AI BENCHY Compare

OpenAI: GPT-5.2 vs xAI: Grok 4.20

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-05-10

Metrik	GPT-5.2 GPT-5.2 medium Veröffentlichung: 2025-12-11	Grok 4.20 Grok 4.20 medium Veröffentlichung: 2026-03-31

Metrik	GPT-5.2 GPT-5.2 medium Veröffentlichung: 2025-12-11	Grok 4.20 Grok 4.20 medium Veröffentlichung: 2026-03-31
Punktzahl	7.2	6.9
Rang	#60	#68
Zuverlässigkeit	10.0	10.0
Konsistenz	8.2	8.3
Korrekte Tests
Erfolgsquote pro Versuch	68.4%	63.2%
Instabile Tests	4	4
Gesamtläufe	57	57
Kosten pro Ergebnis	3.609	7.559
Gesamtkosten	$0.397	$0.756
Eingabepreis	$1.750 / 1M	$1.250 / 1M
Ausgabepreis	$14.000 / 1M	$2.500 / 1M
Ausgabe-Token	2,731	1,784
Denk-Token	22,200	128,233
Antwortzeit (Durchschnitt)	15.22s	14.53s
Antwortzeit (Maximum)	77.80s	63.48s
Antwortzeit (Gesamt)	182.59s	276.06s

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Ausgabe-Token	Denk-Token
GPT-5.2	6.5	8.0	58.3%	1		7.81s	567	2,002
Grok 4.20	8.2	7.9	83.3%	1		3.95s	287	8,312

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Ausgabe-Token	Denk-Token
GPT-5.2	10.0	10.0	100.0%	0		15.12s	467	2,166
Grok 4.20	4.3	1.1	66.7%	1		24.33s	250	12,804

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Ausgabe-Token	Denk-Token
GPT-5.2	10.0	10.0	100.0%	0		14.06s	291	1,757
Grok 4.20	10.0	10.0	100.0%	0		17.40s	232	9,556

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Ausgabe-Token	Denk-Token
GPT-5.2	10.0	10.0	100.0%	0		3.15s	234	420
Grok 4.20	10.0	10.0	100.0%	0		4.17s	180	5,333

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Ausgabe-Token	Denk-Token
GPT-5.2	5.9	7.2	55.6%	1		77.80s	42	10,342
Grok 4.20	5.3	10.0	33.3%	0		27.03s	375	49,339

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Ausgabe-Token	Denk-Token
GPT-5.2	3.7	9.7	0.0%	0		4.32s	162	269
Grok 4.20	3.9	2.6	33.3%	1		24.48s	65	6,440

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Ausgabe-Token	Denk-Token
GPT-5.2	9.9	10.0	100.0%	0		3.12s	94	614
Grok 4.20	7.3	6.0	83.3%	1		4.42s	40	5,474

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Ausgabe-Token	Denk-Token
GPT-5.2	7.6	7.3	77.8%	1		5.47s	609	938
Grok 4.20	7.7	10.0	66.7%	0		6.20s	149	7,913

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Ausgabe-Token	Denk-Token
GPT-5.2	4.7	1.6	66.7%	1		10.30s	239	469
Grok 4.20	3.0	10.0	0.0%	0		13.68s	197	6,620

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Ausgabe-Token	Denk-Token
GPT-5.2	3.0	10.0	0.0%	0		28.18s	26	3,223
Grok 4.20	3.0	10.0	0.0%	0		63.48s	9	16,442

Schnellvergleich

Vergleichspaar wechseln

DeepSeek V4 ProhighvsGrok 4.20medium Gemma 4 31BnoneKostenlos verfügbarvsGrok 4.20medium Claude Sonnet 4.6nonevsGPT-5.2medium Ring 2.6 1tnoneKostenlos verfügbarvsGPT-5.2medium Gemini 3.1 Flash LiteminimalvsGrok 4.20medium GPT-5.2mediumvsQwen3.6 Max Previewnone GPT-5.5nonevsGrok 4.20medium Gemini 3.1 Flash LitenonevsGrok 4.20medium Qwen3.5 Plus 2026-02-15nonevsGrok 4.20medium Claude Sonnet 4.6nonevsGrok 4.20medium Gemma 4 31BnoneKostenlos verfügbarvsGPT-5.2medium DeepSeek V4 FlashhighvsGPT-5.2medium