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-5.3 Chat vs xAI: Grok 4.20 Beta

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-12

Metrik GPT-5.3 Chat GPT-5.3 Chat none Rilis: 2026-03-03 Grok 4.20 Beta Grok 4.20 Beta medium Rilis: 2026-03-12
Peringkat #20 #24
Skor Rata-rata 7.3 7.0
Konsistensi 8.5 9.0
Biaya per hasil 3.163 5.989
Total Biaya $0.317 $0.599
Tes benar
Tingkat lulus per percobaan 70.8% 70.8%
Tes tidak stabil 3 2
Total Run 48 48
Token output 19,272 1,481
Token penalaran 0 86,628
Waktu respons (rata-rata) 5.96s 8.89s
Waktu respons (maks) 18.33s 24.21s
Waktu respons (total) 95.30s 142.18s

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor Rata-rata vs Waktu respons (rata-rata)

Total token output

Skor Rata-rata 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-5.3 Chat 7.3 7.5 77.8% 1 4.72s 3,091 0
Grok 4.20 Beta 7.0 7.2 88.9% 1 3.19s 262 6,289
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.3 Chat 10.0 10.0 100.0% 0 11.96s 2,614 0
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 227 12,212
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.3 Chat 9.9 10.0 100.0% 0 2.21s 942 0
Grok 4.20 Beta 9.9 10.0 100.0% 0 4.01s 180 5,281
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.3 Chat 10.0 4.4 33.3% 2 13.01s 8,264 0
Grok 4.20 Beta 4.0 10.0 33.3% 0 21.33s 251 40,255
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.3 Chat 4.0 10.0 0.0% 0 1.99s 319 0
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 72 3,440
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.3 Chat 9.0 10.0 50.0% 0 3.29s 1,455 0
Grok 4.20 Beta 9.0 10.0 50.0% 0 4.97s 57 7,107
Puzzle Solving Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.93s 1,726 0
Grok 4.20 Beta 7.0 7.2 88.9% 1 3.85s 249 6,660
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.3 Chat 10.0 10.0 100.0% 0 8.36s 861 0
Grok 4.20 Beta 10.0 10.0 0.0% 0 12.39s 183 5,384

Perbandingan Cepat

Ganti Pasangan Perbandingan

DeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewnonevsGrok 4.20 BetamediumGPT-5.3 ChatnonevsMiMo-V2-FlashmediumGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGLM 5mediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumTersedia gratisGemini 3 Flash PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsGrok 4.20 BetamediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGrok 4.20 BetamediumSeed-2.0-MinimediumvsGPT-5.3 Chatnone