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

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-04

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 7.2 7.1
Rango #63 #65
Fiabilidad 10.0 10.0
Consistencia 8.1 8.8
Pruebas correctas
Tasa de aciertos por intento 66.7% 63.5%
Pruebas inestables 5 3
Ejecuciones totales 63 63
Costo por resultado 3.605 8.309
Costo total $0.433 $0.609
Precio de entrada $1.750 / 1M $1.250 / 1M
Precio de salida $14.000 / 1M $2.500 / 1M
Total de tokens de entrada 34,209 44,433
Tokens de salida 26,617 1,819
Tokens de razonamiento 0 219,524
Tiempo de respuesta (promedio) 6.34s 27.68s
Tiempo de respuesta (máximo) 18.33s 199.66s
Tiempo de respuesta (total) 133.13s 581.26s

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

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 11.96s 11,019 2,614 0
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
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

GPT-5.3 ChatnonevsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsGPT-5.3 ChatnoneKimi K2.6mediumDisponible gratisvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGLM 5V TurbomediumGPT-5.3 ChatnonevsStep 3.7 FlashlowGPT-5.3 ChatnonevsQwen3.5-35B-A3BmediumGPT-5.3 ChatnonevsMiMo-V2.5mediumGemini 3.1 Flash LitelowvsGrok 4.20mediumGPT-5.3 ChatnonevsGLM 5.1mediumClaude Opus 4.8nonevsGrok 4.20mediumGemini 3.1 Flash Lite PreviewnonevsGrok 4.20medium