ナビゲーション
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.5 vs Grok 4.20 Beta

概要

GPT-5.5 vs Grok 4.20 Beta の benchmark 比較: GPT-5.5 が平均スコアでリードし、9.3 vs 6.8 です。 Grok 4.20 Beta の benchmark コストが低く、$0.750 vs $0.907 です。 Grok 4.20 Beta の方が高速で、9.75s vs 9.76s です、成功率は 85.7% vs 69.8% です。

おすすめモデル: GPT-5.5 - この比較で最も高いスコア（9.3）を出し、全 2 モデルの中でコストと応答時間のバランスも最良です。

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: 2026-06-18

指標 GPT-5.5 GPT-5.5 low リリース: 2026-04-24 Grok 4.20 Beta Grok 4.20 Beta medium リリース: 2026-03-12
スコア 9.3 6.8
順位 #4 #69
信頼性 10.0 該当なし
一貫性 10.0 8.2
正解テスト
試行ごとの合格率 85.7% 69.8%
不安定なテスト 0 1
総実行回数 63 52
結果あたりのコスト 5.035 4.505
合計コスト $0.907 $0.750
入力価格 $5.000 / 1M $5.805 / 1M
出力価格 $30.000 / 1M $5.805 / 1M
合計入力トークン 34,209 35,955
出力トークン 2,046 1,647
推論トークン 22,460 91,565
応答時間（平均） 9.76s 9.75s
応答時間（最大） 56.19s 31.36s
応答時間（合計） 204.92s 175.48s

生成ショーケース

Hamster playing table tennis

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

#4 GPT-5.5

low
コスト
$0.068
時間
37.0s
トークン
2,339 tok

#69 Grok 4.20 Beta

medium
コスト
$0.034
時間
91.0s
トークン
13,523 tok

スコア上位モデル

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） 入力トークン 出力トークン 推論トークン
GPT-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 2,010 268 7,583
コーディング 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） 入力トークン 出力トークン 推論トークン
GPT-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Grok 4.20 Beta 3.3 3.3 33.3% 0 31.36s 360 81 3,987
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） 入力トークン 出力トークン 推論トークン
GPT-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 12,909 227 12,212
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） 入力トークン 出力トークン 推論トークン
GPT-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.01s 7,761 180 5,281
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） 入力トークン 出力トークン 推論トークン
GPT-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
Grok 4.20 Beta 5.3 10.0 33.3% 0 21.33s 1,764 251 40,255
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） 入力トークン 出力トークン 推論トークン
GPT-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 825 72 3,440
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） 入力トークン 出力トークン 推論トークン
GPT-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
Grok 4.20 Beta 9.8 10.0 100.0% 0 4.89s 1,362 57 7,123
パズル解決 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） 入力トークン 出力トークン 推論トークン
GPT-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
Grok 4.20 Beta 10.0 10.0 100.0% 0 3.52s 1,689 328 6,300
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） 入力トークン 出力トークン 推論トークン
GPT-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
Grok 4.20 Beta 3.0 10.0 0.0% 0 12.39s 7,275 183 5,384
雑学 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） 入力トークン 出力トークン 推論トークン
GPT-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Grok 4.20 Beta 0.0 0.0 0.0% 0 0ms 0 0 0

クイック比較

比較ペアを切り替え

GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.5lowGPT-5.5lowvsGLM 5.2mediumGPT-5.5lowvsGLM 5mediumSeed-2.0-LitemediumvsGPT-5.5low