OpenAI: GPT-5.3 Chat vs xAI: Grok 4.20

GPT-5.3 Chat lidera en puntuación media con 7.5 vs 7.1. GPT-5.3 Chat tiene menor coste de benchmark con $0.571 vs $0.777. GPT-5.3 Chat es más rápido con 6.88s vs 29.47s, con tasas de acierto de 68.2% vs 63.6%.

Modelo recomendadoGPT-5.3 ChatTiene la mejor puntuación aquí (7.5) y responde aproximadamente 4.3x más rápido que Grok 4.20 (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-25

Métrica	GPT-5.3 Chat GPT-5.3 Chat none Lanzamiento: 2026-03-03	Grok 4.20 Grok 4.20 medium Lanzamiento: 2026-03-31

Métrica	GPT-5.3 Chat GPT-5.3 Chat none Lanzamiento: 2026-03-03	Grok 4.20 Grok 4.20 medium Lanzamiento: 2026-03-31
Puntuación	7.5	7.1
Rango	#62	#83
Fiabilidad	10.0	10.0
Consistencia	8.2	8.5
Pruebas correctas
Tasa de aciertos por intento	68.2%	63.6%
Pruebas inestables	5	4
Ejecuciones totales	66	66
Costo por resultado	4.387	9.709
Costo total	$0.571	$0.777
Precio de entrada	$1.750 / 1M	$1.250 / 1M
Precio de salida	$14.000 / 1M	$2.500 / 1M
Total de tokens de entrada	78,990	102,791
Tokens de salida	30,854	5,363
Tokens de razonamiento	0	253,977
Tiempo de respuesta (promedio)	6.88s	29.47s
Tiempo de respuesta (máximo)	18.33s	199.66s
Tiempo de respuesta (total)	151.31s	648.35s

Hamster playing table tennis

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

#62 GPT-5.3 Chat

none

Coste: $0.008
Tiempo: 8.1s
Tokens: 634 tok

#83 xAI: Grok 4.20

medium

Coste: $0.041
Tiempo: 110.3s
Tokens: 16,336 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.3 Chat	6.7	8.1	58.3%	1		3.86s	606	3,167	0
Grok 4.20	8.2	7.9	83.3%	1		3.95s	2,010	287	8,312

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.3 Chat	5.6	4.7	55.6%	2		10.52s	7,302	6,632	0
Grok 4.20	6.3	6.6	55.6%	1		109.93s	8,307	268	103,150

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.3 Chat	10.0	10.0	100.0%	0		15.07s	55,800	6,851	0
Grok 4.20	8.7	6.9	83.3%	1		42.25s	71,267	3,776	44,009

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.21s	7,140	942	0
Grok 4.20	10.0	10.0	100.0%	0		4.17s	7,761	180	5,333

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.3 Chat	3.5	4.4	33.3%	2		13.01s	723	8,264	0
Grok 4.20	5.3	10.0	33.3%	0		27.03s	1,764	375	49,339

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.3 Chat	4.6	10.0	0.0%	0		1.99s	477	319	0
Grok 4.20	3.9	2.6	33.3%	1		24.48s	825	65	6,440

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.3 Chat	9.8	10.0	100.0%	0		3.51s	660	1,491	0
Grok 4.20	9.8	10.0	100.0%	0		4.26s	1,362	57	6,419

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.99s	642	1,758	0
Grok 4.20	7.7	10.0	66.7%	0		6.22s	1,689	149	7,913

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.3 Chat	10.0	10.0	100.0%	0		8.36s	5,445	861	0
Grok 4.20	3.0	10.0	0.0%	0		13.68s	7,275	197	6,620

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.3 Chat	3.0	10.0	0.0%	0		4.38s	195	569	0
Grok 4.20	3.0	10.0	0.0%	0		63.48s	531	9	16,442

Comparación rápida

Cambiar par de comparación

Kimi K2.7 CodemediumvsGPT-5.3 Chatnone GPT-5.3 ChatnonevsQwen3.5 Plus 2026-02-15medium Nemotron 3 UltramediumDisponible gratisvsGPT-5.3 Chatnone Qwen3.7 PlusnonevsGrok 4.20medium GPT-5.3 ChatnonevsQwen3.5-27Bmedium GPT-5.3 ChatnonevsGrok Build 0.1medium LongCat 2.0mediumvsGPT-5.3 Chatnone MiniMax M3mediumvsGPT-5.3 Chatnone KAT-Coder-Pro V2.5highvsGrok 4.20medium Gemini 3.5 FlashnonevsGrok 4.20medium Gemini 3 Flash PreviewlowvsGPT-5.3 Chatnone Step 3.7 FlashlowvsGrok 4.20medium