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 4.5

Zusammenfassung

GPT-5.5 (low) vs Grok 4.5 (medium) Benchmark-Vergleich: GPT-5.5 (low) führt beim Durchschnittsscore mit 9.3 vs 8.3. GPT-5.5 (low) hat die niedrigeren Benchmark-Kosten mit $0.907 vs $1.696. GPT-5.5 (low) ist schneller mit 9.76s vs 62.63s, mit Erfolgsraten von 85.7% vs 77.8%.

Empfohlenes Modell: GPT-5.5 (low) - Es hat hier die beste Punktzahl (9.3) und kostet etwa 1.9x weniger als Grok 4.5 (medium).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-08

Metrik GPT-5.5 GPT-5.5 low Veröffentlichung: 2026-04-24 Grok 4.5 Grok 4.5 medium Veröffentlichung: 2026-07-08
Punktzahl 9.3 8.3
Rang #4 #23
Zuverlässigkeit 10.0 9.9
Konsistenz 10.0 8.9
Korrekte Tests
Erfolgsquote pro Versuch 85.7% 77.8%
Instabile Tests 0 3
Gesamtläufe 63 63
Kosten pro Ergebnis 5.035 11.304
Gesamtkosten $0.907 $1.696
Eingabepreis $5.000 / 1M $2.000 / 1M
Ausgabepreis $30.000 / 1M $6.000 / 1M
Gesamte Eingabe-Token 34,209 53,500
Ausgabe-Token 2,046 1,621
Denk-Token 22,460 263,127
Antwortzeit (Durchschnitt) 9.76s 62.63s
Antwortzeit (Maximum) 56.19s 436.38s
Antwortzeit (Gesamt) 204.92s 1315.20s

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

#23 xAI: Grok 4.5

medium
Kosten
$0.044
Zeit
59.4s
Token
7,512 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 4.5 10.0 10.0 100.0% 0 23.50s 2,991 147 4,018
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 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634
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 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
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 4.5 10.0 10.0 100.0% 0 6.29s 8,937 225 3,657
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 4.5 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
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 4.5 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
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 4.5 9.8 10.0 100.0% 0 6.06s 1,857 57 2,728
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 4.5 10.0 10.0 100.0% 0 7.75s 2,430 254 3,641
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 4.5 10.0 10.0 100.0% 0 6.57s 8,544 192 968
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 4.5 3.0 10.0 0.0% 0 74.44s 789 13 14,921

Schnellvergleich

Vergleichspaar wechseln

GPT-5.5lowvsQwen3.7 MaxmediumDeepSeek V4 FlashhighvsGrok 4.5mediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGPT-5.2 ChatnonevsGrok 4.5mediumGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.8lowvsGrok 4.5mediumClaude Opus 4.7mediumvsGPT-5.5low