Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.4 vs xAI: Grok 4.3

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-05-22

Métrica GPT-5.4 GPT-5.4 medium Lanzamiento: 2026-03-05 Grok 4.3 Grok 4.3 medium Lanzamiento: 2026-05-01
Puntuación 7.9 7.8
Rango #27 #31
Fiabilidad 10.0 10.0
Consistencia 8.5 8.4
Pruebas correctas
Tasa de aciertos por intento 75.0% 75.0%
Pruebas inestables 4 4
Ejecuciones totales 60 60
Costo por resultado 8.767 4.562
Costo total $1.140 $0.593
Precio de entrada $2.500 / 1M $1.250 / 1M
Precio de salida $15.000 / 1M $2.500 / 1M
Tokens de salida 2,222 1,485
Tokens de razonamiento 68,503 214,928
Tiempo de respuesta (promedio) 22.31s 49.23s
Tiempo de respuesta (máximo) 100.41s 216.69s
Tiempo de respuesta (total) 446.15s 984.54s

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 salida Tokens de razonamiento
GPT-5.4 8.3 10.0 75.0% 0 4.11s 240 1,511
Grok 4.3 10.0 10.0 100.0% 0 8.83s 88 8,207
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.4 8.2 6.7 83.3% 1 54.98s 412 19,995
Grok 4.3 7.4 6.5 66.7% 1 55.26s 532 24,554
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.4 10.0 10.0 100.0% 0 20.57s 301 3,543
Grok 4.3 10.0 10.0 100.0% 0 63.99s 234 15,301
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-5.4 10.0 10.0 100.0% 0 5.32s 234 804
Grok 4.3 10.0 10.0 100.0% 0 18.97s 180 9,546
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-5.4 5.3 7.2 44.4% 1 74.27s 61 34,748
Grok 4.3 5.3 7.2 44.4% 1 181.74s 14 111,300
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.4 4.7 3.1 33.3% 1 4.92s 145 321
Grok 4.3 5.4 2.5 66.7% 1 24.70s 70 5,020
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-5.4 10.0 10.0 100.0% 0 3.11s 93 897
Grok 4.3 9.8 10.0 100.0% 0 18.58s 57 8,713
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.4 8.2 7.2 88.9% 1 9.13s 442 3,832
Grok 4.3 5.9 7.2 55.6% 1 22.53s 128 14,686
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-5.4 10.0 10.0 100.0% 0 13.28s 264 1,031
Grok 4.3 10.0 10.0 100.0% 0 17.66s 168 4,615
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
GPT-5.4 3.0 10.0 0.0% 0 13.95s 30 1,821
Grok 4.3 3.0 10.0 0.0% 0 44.47s 14 12,986

Comparación rápida

Cambiar par de comparación

GPT-5.4mediumvsQwen3.7 MaxnoneGemini 3.5 FlashminimalvsGPT-5.4mediumQwen3.7 MaxnonevsGrok 4.3mediumGemini 3 Flash PreviewnonevsGrok 4.3mediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.3mediumGPT-5.2 ChatnonevsGrok 4.3mediumGemini 3.5 FlashminimalvsGrok 4.3mediumGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewnonevsGrok 4.3mediumGemini 3.1 Flash LitelowvsGrok 4.3mediumGPT-5.3 ChatnonevsGrok 4.3medium