Navegación
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-5.3 Chat vs xAI: Grok 4.20 Beta

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-12

Métrica GPT-5.3 Chat GPT-5.3 Chat none Lanzamiento: 2026-03-03 Grok 4.20 Beta Grok 4.20 Beta medium Lanzamiento: 2026-03-12
Rango #20 #24
Puntaje prom. 7.3 7.0
Consistencia 8.5 9.0
Costo por resultado 3.163 5.989
Costo total $0.317 $0.599
Pruebas correctas
Tasa de aciertos por intento 70.8% 70.8%
Pruebas inestables 3 2
Ejecuciones totales 48 48
Tokens de salida 19,272 1,481
Tokens de razonamiento 0 86,628
Tiempo de respuesta (promedio) 5.96s 8.89s
Tiempo de respuesta (máximo) 18.33s 24.21s
Tiempo de respuesta (total) 95.30s 142.18s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntaje prom. vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntaje prom. vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.3 Chat 7.3 7.5 77.8% 1 4.72s 3,091 0
Grok 4.20 Beta 7.0 7.2 88.9% 1 3.19s 262 6,289
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.3 Chat 10.0 10.0 100.0% 0 11.96s 2,614 0
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 227 12,212
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.3 Chat 9.9 10.0 100.0% 0 2.21s 942 0
Grok 4.20 Beta 9.9 10.0 100.0% 0 4.01s 180 5,281
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.3 Chat 10.0 4.4 33.3% 2 13.01s 8,264 0
Grok 4.20 Beta 4.0 10.0 33.3% 0 21.33s 251 40,255
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.3 Chat 4.0 10.0 0.0% 0 1.99s 319 0
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 72 3,440
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.3 Chat 9.0 10.0 50.0% 0 3.29s 1,455 0
Grok 4.20 Beta 9.0 10.0 50.0% 0 4.97s 57 7,107
Puzzle Solving Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.93s 1,726 0
Grok 4.20 Beta 7.0 7.2 88.9% 1 3.85s 249 6,660
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.3 Chat 10.0 10.0 100.0% 0 8.36s 861 0
Grok 4.20 Beta 10.0 10.0 0.0% 0 12.39s 183 5,384

Comparación rápida

Cambiar par de comparación

DeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewnonevsGrok 4.20 BetamediumGPT-5.3 ChatnonevsMiMo-V2-FlashmediumGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGLM 5mediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumDisponible gratisGemini 3 Flash PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsGrok 4.20 BetamediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGrok 4.20 BetamediumSeed-2.0-MinimediumvsGPT-5.3 Chatnone