Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

OpenAI: GPT-5.2 Chat vs xAI: Grok 4.3

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-01

Metrică GPT-5.2 Chat GPT-5.2 Chat none Lansare: 2025-12-11 Grok 4.3 Grok 4.3 medium Lansare: 2026-05-01
Scor 7.9 8.2
Rang #39 #20
Fiabilitate N/D 10.0
Consistență 8.7 8.6
Teste corecte
Rată de trecere pe încercare 75.9% 81.5%
Teste instabile 3 3
Rulări totale 54 54
Cost per rezultat 2.424 3.974
Cost total $0.291 $0.517
Preț de intrare $1.750 / 1M $1.250 / 1M
Preț de ieșire $14.000 / 1M $2.500 / 1M
Tokenuri de ieșire 17,346 1,223
Tokenuri de raționament 0 187,047
Timp de răspuns (mediu) 6.84s 48.63s
Timp de răspuns (maxim) 38.52s 216.69s
Timp de răspuns (total) 123.17s 875.27s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 Chat 8.7 7.9 91.7% 1 3.40s 1,807 0
Grok 4.3 10.0 10.0 100.0% 0 8.83s 88 8,207
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 Chat 10.0 10.0 100.0% 0 8.97s 1,345 0
Grok 4.3 10.0 10.0 100.0% 0 45.72s 284 9,659
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 Chat 10.0 10.0 100.0% 0 9.12s 1,243 0
Grok 4.3 10.0 10.0 100.0% 0 63.99s 234 15,301
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 Chat 10.0 10.0 100.0% 0 3.05s 980 0
Grok 4.3 10.0 10.0 100.0% 0 18.97s 180 9,546
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 Chat 5.3 10.0 33.3% 0 17.78s 7,810 0
Grok 4.3 5.3 7.2 44.4% 1 181.74s 14 111,300
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 Chat 4.4 3.0 33.3% 1 3.20s 335 0
Grok 4.3 5.4 2.5 66.7% 1 24.70s 70 5,020
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 Chat 7.3 5.9 83.3% 1 5.46s 1,528 0
Grok 4.3 9.8 10.0 100.0% 0 18.58s 57 8,713
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 Chat 7.7 10.0 66.7% 0 4.42s 1,743 0
Grok 4.3 5.9 7.2 55.6% 1 22.53s 128 14,686
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 Chat 10.0 10.0 100.0% 0 4.68s 555 0
Grok 4.3 10.0 10.0 100.0% 0 17.66s 168 4,615

Comparație rapidă

Schimbă perechea de comparație

GPT-5.2 ChatnonevsStep 3.5 FlashmediumDeepSeek V3.2mediumvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsGLM 5V TurbomediumClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.5-FlashmediumHY3 PreviewlowDisponibil gratuitvsGrok 4.3mediumGemini 3 Flash PreviewnonevsGrok 4.3mediumGemma 4 26B A4BmediumDisponibil gratuitvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsGLM 5.1mediumGPT-5.2 ChatnonevsHY3 PreviewmediumDisponibil gratuitGemini 3.1 Flash Lite PreviewlowvsGrok 4.3medium