Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.5 vs Grok 4.20 Multi Agent Beta

Resumen

Comparación benchmark de GPT-5.5 vs Grok 4.20 Multi Agent Beta: GPT-5.5 lidera en puntuación media con 9.3 vs 5.0. GPT-5.5 tiene menor coste de benchmark con $0.907 vs $5.599. Grok 4.20 Multi Agent Beta es más rápido con 9.69s vs 9.76s, con tasas de acierto de 85.7% vs 50.8%.

Modelo recomendado: GPT-5.5 - Tiene la mejor puntuación aquí (9.3) y cuesta aproximadamente 6.2x menos que Grok 4.20 Multi Agent Beta.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-18

Métrica GPT-5.5 GPT-5.5 low Lanzamiento: 2026-04-24 Grok 4.20 Multi Agent Beta Grok 4.20 Multi Agent Beta medium Lanzamiento: 2026-03-12
Puntuación 9.3 5.0
Rango #4 #136
Fiabilidad 10.0 N/D
Consistencia 10.0 6.7
Pruebas correctas
Tasa de aciertos por intento 85.7% 50.8%
Pruebas inestables 0 5
Ejecuciones totales 63 52
Costo por resultado 5.035 62.923
Costo total $0.907 $5.599
Precio de entrada $5.000 / 1M $4.235 / 1M
Precio de salida $30.000 / 1M $4.235 / 1M
Total de tokens de entrada 34,209 721,952
Tokens de salida 2,046 294,668
Tokens de razonamiento 22,460 305,374
Tiempo de respuesta (promedio) 9.76s 9.69s
Tiempo de respuesta (máximo) 56.19s 35.28s
Tiempo de respuesta (total) 204.92s 155.07s

Generación showcase

Hamster playing table tennis

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

#4 GPT-5.5

low
Coste
$0.068
Tiempo
37.0s
Tokens
2,339 tok

#136 Grok 4.20 Multi Agent Beta

medium
Coste
$0.261
Tiempo
123.4s
Tokens
199,344 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

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-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
Grok 4.20 Multi Agent Beta 6.9 5.8 75.0% 2 3.46s 90,925 33,706 33,077
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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Grok 4.20 Multi Agent Beta 3.3 3.3 33.3% 0 27.11s 13,212 86 13,141
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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Grok 4.20 Multi Agent Beta 3.0 10.0 0.0% 0 0ms 0 0 0
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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Grok 4.20 Multi Agent Beta 10.0 10.0 100.0% 0 5.54s 97,232 25,306 25,051
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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
Grok 4.20 Multi Agent Beta 2.9 7.2 11.1% 1 24.67s 328,253 164,609 163,647
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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
Grok 4.20 Multi Agent Beta 5.8 2.8 66.7% 1 6.40s 41,387 15,848 15,746
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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
Grok 4.20 Multi Agent Beta 9.8 10.0 100.0% 0 3.52s 43,923 19,752 19,617
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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
Grok 4.20 Multi Agent Beta 6.7 7.9 55.6% 1 5.19s 107,020 35,361 35,095
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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
Grok 4.20 Multi Agent Beta 3.0 10.0 0.0% 0 0ms 0 0 0
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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Grok 4.20 Multi Agent Beta 0.0 0.0 0.0% 0 0ms 0 0 0

Comparación rápida

Cambiar par de comparación

GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.5lowGPT-5.5lowvsGLM 5.2mediumGPT-5.5lowvsGLM 5mediumSeed-2.0-LitemediumvsGPT-5.5low