AI BENCHY Compare

OpenAI: GPT-5.4 Mini vs xAI: Grok 4.20

Ringkasan

Perbandingan benchmark GPT-5.4 Mini vs Grok 4.20: GPT-5.4 Mini unggul dalam skor rata-rata dengan 5.3 vs 4.4. GPT-5.4 Mini memiliki biaya benchmark lebih rendah di $0.038 vs $0.057. Grok 4.20 lebih cepat di 1.11s vs 1.13s, dengan tingkat keberhasilan 30.2% vs 28.6%.

Model yang direkomendasikan: GPT-5.4 Mini - It has the best score here (5.3), while costing about 1.5x less than Grok 4.20.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-02

Metrik	GPT-5.4 Mini GPT-5.4 Mini none Rilis: 2026-03-17	Grok 4.20 Grok 4.20 none Rilis: 2026-03-31

Metrik	GPT-5.4 Mini GPT-5.4 Mini none Rilis: 2026-03-17	Grok 4.20 Grok 4.20 none Rilis: 2026-03-31
Skor	5.3	4.4
Peringkat	#129	#160
Keandalan	10.0	T/A
Konsistensi	8.8	8.5
Tes benar
Tingkat lulus per percobaan	30.2%	28.6%
Tes tidak stabil	3	0
Total Run	63	54
Biaya per hasil	0.743	1.570
Total Biaya	$0.038	$0.057
Harga input	$0.750 / 1M	$1.250 / 1M
Harga output	$4.500 / 1M	$2.500 / 1M
Total token input	34,244	41,313
Token output	2,541	1,923
Token penalaran	0	0
Waktu respons (rata-rata)	1.13s	1.11s
Waktu respons (maks)	2.52s	6.04s
Waktu respons (total)	23.82s	19.96s

Showcase generasi

Hamster playing table tennis

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

#129 GPT-5.4 Mini

none

Biaya: $0.010
Waktu: 11.7s
Token: 2,151 tok

#160 xAI: Grok 4.20

none

Biaya: $0.004
Waktu: 6.5s
Token: 1,367 tok

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 input	Token output	Token penalaran
GPT-5.4 Mini	3.1	8.1	8.3%	1		929ms	606	654	0
Grok 4.20	4.8	10.0	25.0%	0		501ms	1,986	267	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	5.5	10.0	33.3%	0		913ms	7,305	401	0
Grok 4.20	1.1	3.1	0.0%	0		1.22s	1,074	312	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	3.0	10.0	0.0%	0		2.52s	11,019	298	0
Grok 4.20	3.0	10.0	0.0%	0		6.04s	17,673	282	0

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	10.0	10.0	100.0%	0		1.30s	7,140	222	0
Grok 4.20	10.0	10.0	100.0%	0		522ms	7,749	207	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	3.5	4.4	33.3%	2		937ms	723	88	0
Grok 4.20	3.0	10.0	0.0%	0		687ms	1,746	325	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	4.8	10.0	0.0%	0		1.82s	477	174	0
Grok 4.20	4.8	10.0	0.0%	0		659ms	819	83	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	6.3	10.0	50.0%	0		728ms	660	101	0
Grok 4.20	6.3	10.0	50.0%	0		445ms	1,350	60	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	5.4	10.0	33.3%	0		836ms	642	305	0
Grok 4.20	5.3	10.0	33.3%	0		473ms	1,671	198	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	3.0	10.0	0.0%	0		2.32s	5,477	255	0
Grok 4.20	10.0	10.0	100.0%	0		4.63s	7,245	189	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	3.0	10.0	0.0%	0		1.33s	195	43	0
Grok 4.20	0.0	0.0	0.0%	0		0ms	0	0	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Grok 4.20nonevsGLM 4.7 Flashmedium MiniMax M2.7mediumvsGPT-5.4 Mininone Mistral Small 4mediumvsGPT-5.4 Mininone Qwen3 Coder NextmediumvsGrok 4.20none MiniMax M2.5mediumvsGrok 4.20none CobuddymediumvsGPT-5.4 Mininone North Mini CodemediumTersedia gratisvsGPT-5.4 Mininone CobuddymediumvsGrok 4.20none MiniMax M2.5mediumvsGPT-5.4 Mininone Qwen3.5-9BmediumvsGrok 4.20none GPT-5.4 MininonevsQwen3 Coder Nextmedium Mistral Small 4mediumvsGrok 4.20none