#21 GPT-5.4
medium- Coste
- $0.214
- Tiempo
- 199.6s
- Tokens
- 14,349 tok
OpenAI: GPT-5.4 vs xAI: Grok 4.5
GPT-5.4 (medium) lidera en puntuación media con 8.5 vs 8.3. GPT-5.4 (medium) tiene menor coste de benchmark con $1.533 vs $1.928. GPT-5.4 (medium) es más rápido con 23.10s vs 61.71s, con tasas de acierto de 77.3% vs 78.8%.
Modelo recomendadoGPT-5.4 (medium)Tiene la mejor puntuación aquí (8.5) y responde aproximadamente 2.7x más rápido que Grok 4.5 (medium).
Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-22
| Métrica | GPT-5.4 GPT-5.4 medium | Grok 4.5 Grok 4.5 medium |
|---|---|---|
| Puntuación | 8.5 | 8.3 |
| Rango | #21 | #25 |
| Fiabilidad | 10.0 | 10.0 |
| Consistencia | 8.6 | 8.9 |
| Pruebas correctas | ||
| Tasa de aciertos por intento | 77.3% | 78.8% |
| Pruebas inestables | 4 | 3 |
| Ejecuciones totales | 66 | 66 |
| Costo por resultado | 10.220 | 12.049 |
| Costo total | $1.533 | $1.928 |
| 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 | 122,146 |
| Tokens de salida | 6,155 | 5,514 |
| Tokens de razonamiento | 82,515 | 275,053 |
| Tiempo de respuesta (promedio) | 23.10s | 61.71s |
| Tiempo de respuesta (máximo) | 100.41s | 436.38s |
| Tiempo de respuesta (total) | 508.26s | 1357.56s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#25 xAI: Grok 4.5
medium- Coste
- $0.044
- Tiempo
- 59.4s
- Tokens
- 7,512 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
| 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 | 6.29s | 8,937 | 225 | 3,657 |
| 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 | 6.57s | 8,544 | 192 | 968 |
Comparación rápida
Cambiar par de comparación
Muse Spark 1.1lowvsGrok 4.5mediumGPT-5.4mediumvsGrok 4.5lowMuse Spark 1.1highvsGrok 4.5mediumMuse Spark 1.1lowvsGPT-5.4mediumGemini 3.5 Flash-LitehighvsGrok 4.5mediumInklinghighvsGrok 4.5mediumGPT-5.2 ChatnonevsGrok 4.5mediumGrok 4.5mediumvsGLM 5.2highKimi K3maxvsGrok 4.5mediumGPT-5.6 TerrahighvsGrok 4.5mediumGPT-5.4mediumvsGrok 4.5highGemini 3.5 FlashlowvsGPT-5.4medium