Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

OpenAI: gpt-oss-120b vs xAI: Grok 4.20 Multi-Agent Beta

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-12

Métrica gpt-oss-120b gpt-oss-120b medium Lanzamiento: 2025-08-05 Disponible gratis Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium Lanzamiento: 2026-03-12
Rango #43 #47
Puntaje prom. 5.1 4.9
Consistencia 7.4 7.1
Costo por resultado 0.135 97.178
Costo total $0.010 $4.859
Pruebas correctas
Tasa de aciertos por intento 54.2% 52.1%
Pruebas inestables 5 6
Ejecuciones totales 48 48
Tokens de salida 13,210 293,634
Tokens de razonamiento 34,230 291,260
Tiempo de respuesta (promedio) 16.65s 9.08s
Tiempo de respuesta (máximo) 50.92s 35.28s
Tiempo de respuesta (total) 149.88s 127.09s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntaje prom. vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntaje prom. 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-oss-120b 7.0 9.8 66.7% 0 19.76s 3,463 2,077
Grok 4.20 Multi-Agent Beta 4.0 4.4 66.7% 2 3.77s 28,392 27,808
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
gpt-oss-120b 10.0 10.0 100.0% 0 31.18s 694 5,072
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 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-oss-120b 5.5 5.9 66.7% 1 1.98s 241 1,114
Grok 4.20 Multi-Agent Beta 9.9 10.0 100.0% 0 5.54s 25,306 25,051
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-oss-120b 10.0 4.4 22.2% 2 50.92s 6,784 20,606
Grok 4.20 Multi-Agent Beta 10.0 7.2 11.1% 1 24.67s 164,609 163,647
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
gpt-oss-120b 3.0 10.0 0.0% 0 7.90s 107 387
Grok 4.20 Multi-Agent Beta 4.0 2.8 66.7% 1 6.40s 15,848 15,746
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-oss-120b 9.5 10.0 100.0% 0 7.63s 126 1,799
Grok 4.20 Multi-Agent Beta 9.0 10.0 50.0% 0 4.63s 25,457 25,322
Puzzle Solving Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
gpt-oss-120b 1.7 4.7 22.2% 2 11.80s 1,508 2,092
Grok 4.20 Multi-Agent Beta 6.3 5.1 77.8% 2 5.01s 34,022 33,686
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-oss-120b 9.0 10.0 100.0% 0 6.91s 287 1,083
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0

Comparación rápida

Cambiar par de comparación

Qwen3.5-27BnonevsGrok 4.20 Multi-Agent BetamediumSeed-2.0-LitenonevsGrok 4.20 Multi-Agent Betamediumgpt-oss-120bmediumDisponible gratisvsQwen3.5-122B-A10BnoneQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumGemini 2.5 Flashnonevsgpt-oss-120bmediumDisponible gratisgpt-oss-120bmediumDisponible gratisvsQwen3.5-FlashnoneSeed-2.0-Litenonevsgpt-oss-120bmediumDisponible gratisgpt-oss-120bmediumDisponible gratisvsQwen3.5-27BnoneQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumHunter AlphanonevsGrok 4.20 Multi-Agent Betamedium