Navigasi
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-5.2 vs xAI: Grok 4.20

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-10

Metrik GPT-5.2 GPT-5.2 medium Rilis: 2025-12-11 Grok 4.20 Grok 4.20 medium Rilis: 2026-03-31
Skor 7.2 6.9
Peringkat #60 #68
Keandalan 10.0 10.0
Konsistensi 8.2 8.3
Tes benar
Tingkat lulus per percobaan 68.4% 63.2%
Tes tidak stabil 4 4
Total Run 57 57
Biaya per hasil 3.609 7.559
Total Biaya $0.397 $0.756
Harga input $1.750 / 1M $1.250 / 1M
Harga output $14.000 / 1M $2.500 / 1M
Token output 2,731 1,784
Token penalaran 22,200 128,233
Waktu respons (rata-rata) 15.22s 14.53s
Waktu respons (maks) 77.80s 63.48s
Waktu respons (total) 182.59s 276.06s

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 6.5 8.0 58.3% 1 7.81s 567 2,002
Grok 4.20 8.2 7.9 83.3% 1 3.95s 287 8,312
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 10.0 10.0 100.0% 0 15.12s 467 2,166
Grok 4.20 4.3 1.1 66.7% 1 24.33s 250 12,804
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 10.0 10.0 100.0% 0 14.06s 291 1,757
Grok 4.20 10.0 10.0 100.0% 0 17.40s 232 9,556
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 10.0 10.0 100.0% 0 3.15s 234 420
Grok 4.20 10.0 10.0 100.0% 0 4.17s 180 5,333
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 5.9 7.2 55.6% 1 77.80s 42 10,342
Grok 4.20 5.3 10.0 33.3% 0 27.03s 375 49,339
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 3.7 9.7 0.0% 0 4.32s 162 269
Grok 4.20 3.9 2.6 33.3% 1 24.48s 65 6,440
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 9.9 10.0 100.0% 0 3.12s 94 614
Grok 4.20 7.3 6.0 83.3% 1 4.42s 40 5,474
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 7.6 7.3 77.8% 1 5.47s 609 938
Grok 4.20 7.7 10.0 66.7% 0 6.20s 149 7,913
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 4.7 1.6 66.7% 1 10.30s 239 469
Grok 4.20 3.0 10.0 0.0% 0 13.68s 197 6,620
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 3.0 10.0 0.0% 0 28.18s 26 3,223
Grok 4.20 3.0 10.0 0.0% 0 63.48s 9 16,442

Perbandingan Cepat

Ganti Pasangan Perbandingan

DeepSeek V4 ProhighvsGrok 4.20mediumGemma 4 31BnoneTersedia gratisvsGrok 4.20mediumClaude Sonnet 4.6nonevsGPT-5.2mediumRing 2.6 1tnoneTersedia gratisvsGPT-5.2mediumGemini 3.1 Flash LiteminimalvsGrok 4.20mediumGPT-5.2mediumvsQwen3.6 Max PreviewnoneGPT-5.5nonevsGrok 4.20mediumGemini 3.1 Flash LitenonevsGrok 4.20mediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumGemma 4 31BnoneTersedia gratisvsGPT-5.2mediumDeepSeek V4 FlashhighvsGPT-5.2medium