Navigation
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

OpenAI: GPT-5.5 vs xAI: Grok 4.20

Zusammenfassung

GPT-5.5 vs Grok 4.20 Benchmark-Vergleich: GPT-5.5 führt beim Durchschnittsscore mit 9.3 vs 4.4. Grok 4.20 hat die niedrigeren Benchmark-Kosten mit $0.057 vs $0.907. Grok 4.20 ist schneller mit 1.11s vs 9.76s, mit Erfolgsraten von 85.7% vs 28.6%.

Empfohlenes Modell: GPT-5.5 - Es hat die stärkste Punktzahl in diesem Vergleich (9.3) und die beste Gesamtbalance aus Kosten und Antwortzeit über alle 2 Modelle.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-02

Metrik GPT-5.5 GPT-5.5 low Veröffentlichung: 2026-04-24 Grok 4.20 Grok 4.20 none Veröffentlichung: 2026-03-31
Punktzahl 9.3 4.4
Rang #4 #160
Zuverlässigkeit 10.0 k. A.
Konsistenz 10.0 8.5
Korrekte Tests
Erfolgsquote pro Versuch 85.7% 28.6%
Instabile Tests 0 0
Gesamtläufe 63 54
Kosten pro Ergebnis 5.035 1.570
Gesamtkosten $0.907 $0.057
Eingabepreis $5.000 / 1M $1.250 / 1M
Ausgabepreis $30.000 / 1M $2.500 / 1M
Gesamte Eingabe-Token 34,209 41,313
Ausgabe-Token 2,046 1,923
Denk-Token 22,460 0
Antwortzeit (Durchschnitt) 9.76s 1.11s
Antwortzeit (Maximum) 56.19s 6.04s
Antwortzeit (Gesamt) 204.92s 19.96s

Generierungs-Showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#4 GPT-5.5

low
Kosten
$0.068
Zeit
37.0s
Token
2,339 tok

#160 xAI: Grok 4.20

none
Kosten
$0.004
Zeit
6.5s
Token
1,367 tok

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) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
Grok 4.20 4.8 10.0 25.0% 0 501ms 1,986 267 0
Programmierung Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Grok 4.20 1.1 3.1 0.0% 0 1.22s 1,074 312 0
Kombiniert Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Grok 4.20 3.0 10.0 0.0% 0 6.04s 17,673 282 0
Datenanalyse und -extraktion Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Grok 4.20 10.0 10.0 100.0% 0 522ms 7,749 207 0
Domänenspezifisch Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
Grok 4.20 3.0 10.0 0.0% 0 687ms 1,746 325 0
Allgemeine Intelligenz Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
Grok 4.20 4.8 10.0 0.0% 0 659ms 819 83 0
Befolgung von Anweisungen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
Grok 4.20 6.3 10.0 50.0% 0 445ms 1,350 60 0
Rätsellösen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
Grok 4.20 5.3 10.0 33.3% 0 473ms 1,671 198 0
Werkzeugaufrufe Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
Grok 4.20 10.0 10.0 100.0% 0 4.63s 7,245 189 0
Allgemeinwissen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Grok 4.20 0.0 0.0 0.0% 0 0ms 0 0 0

Schnellvergleich

Vergleichspaar wechseln

GPT-5.5lowvsQwen3.7 MaxmediumGrok 4.20nonevsGLM 4.7 FlashmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowQwen3 Coder NextmediumvsGrok 4.20noneMiniMax M2.5mediumvsGrok 4.20noneGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowCobuddymediumvsGrok 4.20none