AI BENCHY Compare

OpenAI: GPT-5.5 vs xAI: Grok Build 0.1

概要

GPT-5.5 vs Grok Build 0.1 の benchmark 比較: GPT-5.5 が平均スコアでリードし、9.3 vs 7.6 です。 GPT-5.5 の benchmark コストが低く、$0.907 vs $0.927 です。 GPT-5.5 の方が高速で、9.76s vs 49.90s です、成功率は 85.7% vs 61.9% です。

おすすめモデル: GPT-5.5 - ここでは最高スコア（9.3）で、Grok Build 0.1 より約 5.1 倍速く応答します。

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: 2026-07-02

指標	GPT-5.5 GPT-5.5 low リリース: 2026-04-24	Grok Build 0.1 Grok Build 0.1 medium リリース: 2026-05-21

指標	GPT-5.5 GPT-5.5 low リリース: 2026-04-24	Grok Build 0.1 Grok Build 0.1 medium リリース: 2026-05-21
スコア	9.3	7.6
順位	#4	#44
信頼性	10.0	10.0
一貫性	10.0	9.9
正解テスト
試行ごとの合格率	85.7%	61.9%
不安定なテスト	0	0
総実行回数	63	63
結果あたりのコスト	5.035	7.124
合計コスト	$0.907	$0.927
入力価格	$5.000 / 1M	$1.000 / 1M
出力価格	$30.000 / 1M	$2.000 / 1M
合計入力トークン	34,209	44,418
出力トークン	2,046	2,782
推論トークン	22,460	438,018
応答時間（平均）	9.76s	49.90s
応答時間（最大）	56.19s	252.69s
応答時間（合計）	204.92s	1047.92s

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

#44 xAI: Grok Build 0.1

medium

コスト: $0.028
時間: 81.3s
トークン: 14,009 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 Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

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 Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

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 Build 0.1	10.0	10.0	100.0%	0		32.81s	12,909	231	16,917

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 Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

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 Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

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 Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

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 Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

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 Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

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 Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

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 Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

クイック比較

比較ペアを切り替え

DeepSeek V4 ProhighvsGrok Build 0.1medium GPT-5.5lowvsQwen3.7 Maxmedium GPT-5.3 ChatnonevsGrok Build 0.1medium Step 3.7 FlashlowvsGrok Build 0.1medium Claude Fable 5mediumvsGPT-5.5low Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Claude Opus 4.8lowvsGrok Build 0.1medium Gemini 3.5 FlashmediumvsGPT-5.5low Gemini 3 Flash PreviewlowvsGrok Build 0.1medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Claude Sonnet 4.6nonevsGrok Build 0.1medium Claude Opus 4.8nonevsGrok Build 0.1medium