Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.4 vs xAI: Grok 4.20

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-05-10

Métrica GPT-5.4 GPT-5.4 none Lanzamiento: 2026-03-05 Grok 4.20 Grok 4.20 none Lanzamiento: 2026-03-31
Puntuación 5.7 5.4
Rango #100 #115
Fiabilidad 10.0 N/D
Consistencia 9.1 9.5
Pruebas correctas
Tasa de aciertos por intento 40.4% 35.2%
Pruebas inestables 2 1
Ejecuciones totales 57 54
Costo por resultado 1.493 1.574
Costo total $0.105 $0.095
Precio de entrada $2.500 / 1M $1.250 / 1M
Precio de salida $15.000 / 1M $2.500 / 1M
Tokens de salida 2,357 1,967
Tokens de razonamiento 0 0
Tiempo de respuesta (promedio) 1.48s 1.11s
Tiempo de respuesta (máximo) 2.95s 6.04s
Tiempo de respuesta (total) 28.20s 20.02s

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 3.2 8.0 8.3% 1 1.21s 406 0
Grok 4.20 4.8 10.0 25.0% 0 501ms 267 0
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 10.0 10.0 100.0% 0 2.95s 480 0
Grok 4.20 3.4 9.3 0.0% 0 1.22s 312 0
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 3.0 10.0 0.0% 0 2.89s 291 0
Grok 4.20 3.0 10.0 0.0% 0 6.04s 282 0
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 1.04s 222 0
Grok 4.20 10.0 10.0 100.0% 0 522ms 207 0
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 1.07s 50 0
Grok 4.20 3.0 10.0 0.0% 0 687ms 325 0
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 4.4 9.9 0.0% 0 1.78s 184 0
Grok 4.20 4.8 10.0 0.0% 0 659ms 83 0
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 6.5 10.0 50.0% 0 1.07s 81 0
Grok 4.20 6.3 10.0 50.0% 0 455ms 60 0
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 5.6 9.8 33.3% 0 1.52s 357 0
Grok 4.20 5.3 7.2 44.4% 1 487ms 242 0
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 2.75s 246 0
Grok 4.20 10.0 10.0 100.0% 0 4.63s 189 0
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 990ms 40 0
Grok 4.20 - - - - - - - -

Comparación rápida

Cambiar par de comparación

Elephant AlphamediumvsGrok 4.20noneCobuddymediumDisponible gratisvsGPT-5.4noneMistral Small 4mediumvsGrok 4.20noneMiniMax M2.5mediumDisponible gratisvsGrok 4.20noneMiniMax M2.5mediumDisponible gratisvsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneGPT-5.4nonevsElephant AlphamediumGPT-5.4nonevsOwl AlphamediumMiniMax M2.7mediumvsGrok 4.20nonegpt-oss-120bmediumDisponible gratisvsGrok 4.20noneNemotron 3 SupermediumDisponible gratisvsGPT-5.4noneCobuddymediumDisponible gratisvsGrok 4.20none