AI BENCHY Compare
OpenAI: GPT-5.4 Mini vs xAI: Grok 4.20 Multi-Agent Beta
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-03-17
| 指標 | GPT-5.4 Mini GPT-5.4 Mini none | Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium |
|---|---|---|
| 順位 | #66 | #44 |
| スコア | 4.8 | 6.2 |
| 一貫性 | 8.6 | 7.2 |
| 結果あたりのコスト | 0.737 | 82.962 |
| 合計コスト | $0.030 | $4.978 |
| 正解テスト | ||
| 試行ごとの合格率 | 31.4% | 54.9% |
| 不安定なテスト | 3 | 6 |
| 総実行回数 | 51 | 51 |
| 出力トークン | 2,085 | 298,948 |
| 推論トークン | 0 | 296,529 |
| 応答時間（平均） | 1.17s | 8.64s |
| 応答時間（最大） | 2.52s | 35.28s |
| 応答時間（合計） | 19.82s | 129.64s |
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.1 | 8.1 | 8.3% | 1 | 929ms | 654 | 0 | |
| Grok 4.20 Multi-Agent Beta | 6.9 | 5.8 | 75.0% | 2 | 3.46s | 33,706 | 33,077 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 2.52s | 298 | 0 | |
| Grok 4.20 Multi-Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 1.30s | 222 | 0 | |
| Grok 4.20 Multi-Agent Beta | 10.0 | 10.0 | 100.0% | 0 | 5.54s | 25,306 | 25,051 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.5 | 4.4 | 33.3% | 2 | 937ms | 88 | 0 | |
| Grok 4.20 Multi-Agent Beta | 2.9 | 7.2 | 11.1% | 1 | 24.67s | 164,609 | 163,647 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.8 | 10.0 | 0.0% | 0 | 1.82s | 174 | 0 | |
| Grok 4.20 Multi-Agent Beta | 5.8 | 2.8 | 66.7% | 1 | 6.40s | 15,848 | 15,746 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 6.3 | 10.0 | 50.0% | 0 | 728ms | 101 | 0 | |
| Grok 4.20 Multi-Agent Beta | 8.3 | 10.0 | 50.0% | 0 | 4.63s | 25,457 | 25,322 |
| Puzzle Solving | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 5.4 | 10.0 | 33.3% | 0 | 860ms | 293 | 0 | |
| Grok 4.20 Multi-Agent Beta | 7.2 | 5.1 | 77.8% | 2 | 5.01s | 34,022 | 33,686 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 2.32s | 255 | 0 | |
| Grok 4.20 Multi-Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
クイック比較
比較ペアを切り替え
GPT-5.4 MininonevsQwen3 Coder NextmediumDeepSeek V3.2nonevsGrok 4.20 Multi-Agent BetamediumGPT-5.4 MininonevsGLM 4.7 FlashmediumQwen3.5-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 MininonevsQwen3.5-9BmediumHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumGrok 4.20 Multi-Agent BetamediumvsGLM 5noneQwen3.5 Plus 2026-02-15nonevsGrok 4.20 Multi-Agent Betamedium