AI BENCHY Compare

OpenAI: GPT-5.4 vs xAI: Grok 4.5

सारांश

GPT-5.4 (medium) average score मध्ये पुढे आहे: 8.5 vs 7.8. Grok 4.5 (low) चा benchmark खर्च कमी आहे: $0.760 vs $1.210. Grok 4.5 (low) वेगवान आहे: 15.48s vs 22.35s, pass rates 76.2% vs 74.6%.

शिफारस केलेले मॉडेलGPT-5.4 (medium)It has the strongest score in this comparison (8.5) and the best overall balance of cost and response time across all 2 models.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14

मेट्रिक	GPT-5.4 GPT-5.4 medium प्रकाशन: 2026-03-05	Grok 4.5 Grok 4.5 low प्रकाशन: 2026-07-08

मेट्रिक	GPT-5.4 GPT-5.4 medium प्रकाशन: 2026-03-05	Grok 4.5 Grok 4.5 low प्रकाशन: 2026-07-08
स्कोअर	8.5	7.8
क्रमांक	#20	#41
विश्वसनीयता	10.0	10.0
सुसंगतता	8.6	9.7
बरोबर चाचण्या
प्रति प्रयत्न पास दर	76.2%	74.6%
अस्थिर चाचण्या	4	1
एकूण रन	63	63
प्रति निकाल खर्च	8.640	5.061
एकूण खर्च	$1.210	$0.760
इनपुट किंमत	$2.500 / 1M	$2.000 / 1M
आउटपुट किंमत	$15.000 / 1M	$6.000 / 1M
एकूण इनपुट टोकन्स	34,108	58,652
आउटपुट टोकन्स	2,242	1,735
रिझनिंग टोकन्स	72,707	105,233
प्रतिसाद वेळ (सरासरी)	22.35s	15.48s
प्रतिसाद वेळ (कमाल)	100.41s	205.28s
प्रतिसाद वेळ (एकूण)	469.29s	324.98s

जनरेशन शोकेस

Hamster playing table tennis

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

#20 GPT-5.4

medium

खर्च: $0.214
वेळ: 199.6s
टोकन्स: 14,349 tok

#41 xAI: Grok 4.5

low

खर्च: $0.011
वेळ: 12.4s
टोकन्स: 2,018 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4	10.0	10.0	100.0%	0		20.57s	11,019	301	3,543
Grok 4.5	3.0	10.0	0.0%	0		8.16s	15,084	261	2,370

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748
Grok 4.5	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

झटपट तुलना

तुलना जोडी बदला

Claude Sonnet 4.6mediumvsGrok 4.5low GPT-5.6 TerramediumvsGrok 4.5low Qwen3.6 PlusmediumvsGrok 4.5low Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Qwen3.5 Plus 2026-04-20mediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low Gemini 3.1 Flash LitemediumvsGrok 4.5low Kimi K2.6mediumमोफत उपलब्धvsGrok 4.5low Qwen3.5-27BmediumvsGrok 4.5low Qwen3.5-122B-A10BmediumvsGrok 4.5low Claude Opus 4.6mediumvsGrok 4.5low GPT-5.6 LunahighvsGrok 4.5low