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 vs xAI: Grok 4.20

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-02

Metrică GPT-5.2 GPT-5.2 medium Lansare: 2025-12-11 Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31
Scor 7.3 7.1
Rang #36 #40
Consistență 8.0 8.2
Teste corecte
Rată de trecere pe încercare 70.6% 66.7%
Teste instabile 4 4
Rulări totale 51 51
Cost per rezultat 3.131 7.358
Cost total $0.314 $0.663
Preț de intrare $1.750 / 1M $2.000 / 1M
Preț de ieșire $14.000 / 1M $6.000 / 1M
Tokenuri de ieșire 2,238 1,494
Tokenuri de raționament 16,811 97,078
Timp de răspuns (mediu) 13.93s 9.50s
Timp de răspuns (maxim) 77.80s 29.87s
Timp de răspuns (total) 139.29s 161.54s

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 6.5 8.0 58.3% 1 7.81s 567 2,002
Grok 4.20 8.2 7.9 83.3% 1 3.36s 280 8,476
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 10.0 10.0 100.0% 0 14.06s 291 1,757
Grok 4.20 10.0 10.0 100.0% 0 17.40s 232 9,556
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 10.0 10.0 100.0% 0 3.15s 234 420
Grok 4.20 10.0 10.0 100.0% 0 4.17s 180 5,333
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 5.9 7.2 55.6% 1 77.80s 42 10,342
Grok 4.20 5.3 10.0 33.3% 0 27.03s 375 49,339
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 3.7 9.7 0.0% 0 4.32s 162 269
Grok 4.20 5.8 2.8 66.7% 1 7.09s 47 4,252
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 9.9 10.0 100.0% 0 3.12s 94 614
Grok 4.20 7.3 5.9 83.3% 1 4.42s 40 5,474
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 7.7 7.3 77.8% 1 5.47s 609 938
Grok 4.20 6.4 7.7 55.6% 1 3.89s 143 8,028
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 4.7 1.6 66.7% 1 10.30s 239 469
Grok 4.20 3.0 10.0 0.0% 0 13.68s 197 6,620

Comparație rapidă

Schimbă perechea de comparație

Claude Sonnet 4.6nonevsGPT-5.2mediumClaude Sonnet 4.6nonevsGrok 4.20mediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumGemma 4 31BnonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5noneGPT-5.3 ChatnonevsGrok 4.20mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.2mediumGPT-5.2mediumvsQwen3.5 Plus 2026-02-15noneGemma 4 31BnonevsGPT-5.2mediumGPT-5.2mediumvsGLM 5noneGrok 4.20mediumvsMiMo-V2-OmninoneGPT-5.2 ChatnonevsGrok 4.20medium