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-5.4 Nano vs xAI: Grok 4.20 Multi-Agent Beta

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-17

Metrik GPT-5.4 Nano GPT-5.4 Nano none Rilis: 2026-03-17 Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium Rilis: 2026-03-12
Peringkat #73 #44
Skor 4.3 6.2
Konsistensi 7.3 7.2
Biaya per hasil 0.404 82.962
Total Biaya $0.009 $4.978
Tes benar
Tingkat lulus per percobaan 29.4% 54.9%
Tes tidak stabil 6 6
Total Run 51 51
Token output 2,185 298,948
Token penalaran 0 296,529
Waktu respons (rata-rata) 1.39s 8.64s
Waktu respons (maks) 3.84s 35.28s
Waktu respons (total) 23.70s 129.64s

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-5.4 Nano 3.5 8.0 16.7% 1 1.18s 800 0
Grok 4.20 Multi-Agent Beta 6.9 5.8 75.0% 2 3.46s 33,706 33,077
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 3.0 10.0 0.0% 0 3.84s 280 0
Grok 4.20 Multi-Agent Beta 3.0 10.0 0.0% 0 0ms 0 0
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 6.5 10.0 50.0% 0 1.11s 219 0
Grok 4.20 Multi-Agent Beta 10.0 10.0 100.0% 0 5.54s 25,306 25,051
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 2.9 4.4 22.2% 2 926ms 52 0
Grok 4.20 Multi-Agent Beta 2.9 7.2 11.1% 1 24.67s 164,609 163,647
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 3.8 2.5 33.3% 1 1.31s 180 0
Grok 4.20 Multi-Agent Beta 5.8 2.8 66.7% 1 6.40s 15,848 15,746
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 5.0 6.8 33.3% 1 787ms 84 0
Grok 4.20 Multi-Agent Beta 8.3 10.0 50.0% 0 4.63s 25,457 25,322
Puzzle Solving Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 3.7 7.3 22.2% 1 1.29s 348 0
Grok 4.20 Multi-Agent Beta 7.2 5.1 77.8% 2 5.01s 34,022 33,686
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 10.0 10.0 100.0% 0 3.40s 222 0
Grok 4.20 Multi-Agent Beta 3.0 10.0 0.0% 0 0ms 0 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

DeepSeek V3.2nonevsGrok 4.20 Multi-Agent BetamediumGPT-5.4 NanononevsQwen3.5-9BmediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumGPT-5.4 NanononevsGLM 4.7 FlashmediumHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumGPT-5.4 NanononevsQwen3 Coder NextmediumGrok 4.20 Multi-Agent BetamediumvsGLM 5noneQwen3.5 Plus 2026-02-15nonevsGrok 4.20 Multi-Agent Betamedium