AI BENCHY Compare

OpenAI: GPT-5.4 vs xAI: Grok 4.5

Rezumat

GPT-5.4 (medium) conduce la scorul mediu cu 8.5 vs 7.8. Grok 4.5 (low) are costul de benchmark mai mic, $0.760 vs $1.210. Grok 4.5 (low) este mai rapid cu 15.48s vs 22.35s, cu rate de reușită de 76.2% vs 74.6%.

Model recomandatGPT-5.4 (medium)Are cel mai puternic scor din această comparație (8.5) și cel mai bun echilibru între cost și timp de răspuns dintre toate cele 2 modele.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-14

Metrică	GPT-5.4 GPT-5.4 medium Lansare: 2026-03-05	Grok 4.5 Grok 4.5 low Lansare: 2026-07-08

Metrică	GPT-5.4 GPT-5.4 medium Lansare: 2026-03-05	Grok 4.5 Grok 4.5 low Lansare: 2026-07-08
Scor	8.5	7.8
Rang	#20	#41
Fiabilitate	10.0	10.0
Consistență	8.6	9.7
Teste corecte
Rată de trecere pe încercare	76.2%	74.6%
Teste instabile	4	1
Rulări totale	63	63
Cost per rezultat	8.640	5.061
Cost total	$1.210	$0.760
Preț de intrare	$2.500 / 1M	$2.000 / 1M
Preț de ieșire	$15.000 / 1M	$6.000 / 1M
Total tokenuri de intrare	34,108	58,652
Tokenuri de ieșire	2,242	1,735
Tokenuri de raționament	72,707	105,233
Timp de răspuns (mediu)	22.35s	15.48s
Timp de răspuns (maxim)	100.41s	205.28s
Timp de răspuns (total)	469.29s	324.98s

Prezentare generare

Hamster playing table tennis

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

#20 GPT-5.4

medium

Cost: $0.214
Timp: 199.6s
Tokenuri: 14,349 tok

#41 xAI: Grok 4.5

low

Cost: $0.011
Timp: 12.4s
Tokenuri: 2,018 tok

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

Categorie:

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Comparație rapidă

Schimbă perechea de comparație

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 K2.6mediumDisponibil gratuitvsGrok 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