OpenAI: GPT-5.4 vs xAI: Grok 4.5

Grok 4.5 (high) lidera en puntuación media con 8.9 vs 8.5. GPT-5.4 (medium) tiene menor coste de benchmark con $1.533 vs $1.707. GPT-5.4 (medium) es más rápido con 23.10s vs 76.50s, con tasas de acierto de 77.3% vs 83.3%.

Modelo recomendadoGPT-5.4 (medium)Su puntuación se mantiene cerca de la mejor aquí (8.5 vs 8.9) y responde aproximadamente 3.3x más rápido que Grok 4.5 (high).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-17

Métrica	GPT-5.4 GPT-5.4 medium Lanzamiento: 2026-03-05	Grok 4.5 Grok 4.5 high Lanzamiento: 2026-07-08

Métrica	GPT-5.4 GPT-5.4 medium Lanzamiento: 2026-03-05	Grok 4.5 Grok 4.5 high Lanzamiento: 2026-07-08
Puntuación	8.5	8.9
Rango	#18	#12
Fiabilidad	10.0	10.0
Consistencia	8.6	9.2
Pruebas correctas
Tasa de aciertos por intento	77.3%	83.3%
Pruebas inestables	4	2
Ejecuciones totales	66	66
Costo por resultado	10.220	10.041
Costo total	$1.533	$1.707
Precio de entrada	$2.500 / 1M	$2.000 / 1M
Precio de salida	$15.000 / 1M	$6.000 / 1M
Total de tokens de entrada	81,127	151,562
Tokens de salida	6,155	5,655
Tokens de razonamiento	82,515	247,540
Tiempo de respuesta (promedio)	23.10s	76.50s
Tiempo de respuesta (máximo)	100.41s	676.83s
Tiempo de respuesta (total)	508.26s	1683.07s

Hamster playing table tennis

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

#18 GPT-5.4

medium

Coste: $0.214
Tiempo: 199.6s
Tokens: 14,349 tok

#12 xAI: Grok 4.5

high

Coste: $0.015
Tiempo: 29.7s
Tokens: 2,737 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-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511
Grok 4.5	10.0	10.0	100.0%	0		5.67s	2,991	204	4,545

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-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216
Grok 4.5	10.0	10.0	100.0%	0		155.16s	9,579	357	100,752

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-5.4	10.0	10.0	100.0%	0		29.77s	58,038	4,214	13,351
Grok 4.5	10.0	10.0	100.0%	0		35.56s	113,448	4,299	13,004

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-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804
Grok 4.5	10.0	10.0	100.0%	0		7.63s	8,937	225	3,888

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-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748
Grok 4.5	3.6	7.2	22.2%	1		332.11s	1,910	6	101,850

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-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321
Grok 4.5	4.7	1.6	66.7%	1		9.82s	1,077	83	1,899

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-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897
Grok 4.5	9.8	10.0	100.0%	0		6.23s	1,857	57	3,154

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-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815
Grok 4.5	10.0	10.0	100.0%	0		7.88s	2,430	220	4,312

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-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031
Grok 4.5	10.0	10.0	100.0%	0		5.71s	8,544	192	901

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-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821
Grok 4.5	3.0	10.0	0.0%	0		60.58s	789	12	13,235

Comparación rápida

Cambiar par de comparación

GPT-5.3-CodexmediumvsGrok 4.5high Gemini 3.5 FlashlowvsGrok 4.5high GPT-5.5mediumvsGrok 4.5high Claude Opus 4.8mediumvsGrok 4.5high GPT-5.4mediumvsGrok 4.5low Gemini 3.5 FlashmediumvsGrok 4.5high Qwen3.7 MaxmediumvsGrok 4.5high Claude Opus 4.7mediumvsGrok 4.5high Muse Spark 1.1lowvsGPT-5.4medium Muse Spark 1.1mediumvsGrok 4.5high Claude Fable 5mediumvsGrok 4.5high Gemini 3.1 Pro PreviewmediumvsGrok 4.5high