AI BENCHY Compare
OpenAI: GPT-5.4 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: 2026-03-12
| 指標 | GPT-5.4 GPT-5.4 none | Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium |
|---|---|---|
| 順位 | #51 | #47 |
| 平均スコア | 4.5 | 4.9 |
| 一貫性 | 8.9 | 7.1 |
| 結果あたりのコスト | 1.562 | 97.178 |
| 合計コスト | $0.094 | $4.859 |
| 正解テスト | ||
| 試行ごとの合格率 | 41.7% | 52.1% |
| 不安定なテスト | 2 | 6 |
| 総実行回数 | 48 | 48 |
| 出力トークン | 1,819 | 293,634 |
| 推論トークン | 0 | 291,260 |
| 応答時間（平均） | 1.48s | 9.08s |
| 応答時間（最大） | 2.89s | 35.28s |
| 応答時間（合計） | 23.64s | 127.09s |
スコア vs 総コスト
応答時間（平均）
平均スコア vs 応答時間（平均）
合計出力トークン
平均スコア 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 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 | |
| Grok 4.20 Multi-Agent Beta | 4.0 | 4.4 | 66.7% | 2 | 3.77s | 28,392 | 27,808 |
| 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 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| Grok 4.20 Multi-Agent Beta | 10.0 | 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 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| Grok 4.20 Multi-Agent Beta | 9.9 | 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 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| Grok 4.20 Multi-Agent Beta | 10.0 | 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 | 3.0 | 9.9 | 0.0% | 0 | 1.78s | 184 | 0 | |
| Grok 4.20 Multi-Agent Beta | 4.0 | 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 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| Grok 4.20 Multi-Agent Beta | 9.0 | 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 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| Grok 4.20 Multi-Agent Beta | 6.3 | 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 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| Grok 4.20 Multi-Agent Beta | 10.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
クイック比較
比較ペアを切り替え
Qwen3.5-27BnonevsGrok 4.20 Multi-Agent BetamediumSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5mediumvsGPT-5.4noneGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumDeepSeek V3.2nonevsGrok 4.20 Multi-Agent BetamediumTrinity Large Previewnone無料で利用可能vsGrok 4.20 Multi-Agent BetamediumMercury 2mediumvsGPT-5.4noneKimi K2.5nonevsGrok 4.20 Multi-Agent Betamedium