AI BENCHY Compare

OpenAI: GPT-5.4 vs xAI: Grok 4.5

Resumen

GPT-5.4 (medium) lidera en puntuación media con 8.5 vs 7.8. Grok 4.5 (low) tiene menor coste de benchmark con $0.760 vs $1.210. Grok 4.5 (low) es más rápido con 15.48s vs 22.35s, con tasas de acierto de 76.2% vs 74.6%.

Modelo recomendadoGPT-5.4 (medium)Tiene la puntuación más alta en esta comparación (8.5) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-14

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

Métrica	GPT-5.4 GPT-5.4 medium Lanzamiento: 2026-03-05	Grok 4.5 Grok 4.5 low Lanzamiento: 2026-07-08
Puntuación	8.5	7.8
Rango	#20	#41
Fiabilidad	10.0	10.0
Consistencia	8.6	9.7
Pruebas correctas
Tasa de aciertos por intento	76.2%	74.6%
Pruebas inestables	4	1
Ejecuciones totales	63	63
Costo por resultado	8.640	5.061
Costo total	$1.210	$0.760
Precio de entrada	$2.500 / 1M	$2.000 / 1M
Precio de salida	$15.000 / 1M	$6.000 / 1M
Total de tokens de entrada	34,108	58,652
Tokens de salida	2,242	1,735
Tokens de razonamiento	72,707	105,233
Tiempo de respuesta (promedio)	22.35s	15.48s
Tiempo de respuesta (máximo)	100.41s	205.28s
Tiempo de respuesta (total)	469.29s	324.98s

Generación showcase

Hamster playing table tennis

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

#20 GPT-5.4

medium

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

#41 xAI: Grok 4.5

low

Coste: $0.011
Tiempo: 12.4s
Tokens: 2,018 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		2.75s	2,991	261	3,000

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		13.72s	9,579	303	15,641

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		20.57s	11,019	301	3,543
Grok 4.5	3.0	10.0	0.0%	0		8.16s	15,084	261	2,370

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		3.44s	8,937	225	2,549

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	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

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	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

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		2.80s	1,857	57	1,878

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		3.20s	2,430	217	2,590

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		5.83s	13,394	284	871

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		13.98s	789	15	4,806

Comparación rápida

Cambiar par de comparación

Claude Sonnet 4.6mediumvsGrok 4.5low GPT-5.6 TerramediumvsGrok 4.5low Qwen3.6 PlusmediumvsGrok 4.5low Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Qwen3.5 Plus 2026-04-20mediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low Gemini 3.1 Flash LitemediumvsGrok 4.5low Kimi K2.6mediumDisponible gratisvsGrok 4.5low Qwen3.5-27BmediumvsGrok 4.5low Qwen3.5-122B-A10BmediumvsGrok 4.5low Claude Opus 4.6mediumvsGrok 4.5low GPT-5.6 LunahighvsGrok 4.5low