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-5.4 vs xAI: Grok 4.20

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-16

Metrică GPT-5.4 GPT-5.4 none Lansare: 2026-03-05 Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31
Scor 5.9 7.0
Rang #65 #46
Consistență 9.1 7.8
Teste corecte
Rată de trecere pe încercare 42.6% 66.7%
Teste instabile 2 5
Rulări totale 54 54
Cost per rezultat 1.477 8.252
Cost total $0.104 $0.743
Preț de intrare $2.500 / 1M $2.000 / 1M
Preț de ieșire $15.000 / 1M $6.000 / 1M
Tokenuri de ieșire 2,317 1,744
Tokenuri de raționament 0 109,882
Timp de răspuns (mediu) 1.51s 10.33s
Timp de răspuns (maxim) 2.95s 29.87s
Timp de răspuns (total) 27.21s 185.87s

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-5.4 3.2 8.0 8.3% 1 1.21s 406 0
Grok 4.20 8.2 7.9 83.3% 1 3.36s 280 8,476
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 100.0% 0 2.95s 480 0
Grok 4.20 4.3 1.1 66.7% 1 24.33s 250 12,804
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 3.0 10.0 0.0% 0 2.89s 291 0
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-5.4 10.0 10.0 100.0% 0 1.04s 222 0
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-5.4 5.3 7.2 44.4% 1 1.07s 50 0
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-5.4 4.4 9.9 0.0% 0 1.78s 184 0
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-5.4 6.5 10.0 50.0% 0 1.07s 81 0
Grok 4.20 7.3 5.9 83.3% 1 4.42s 40 5,474
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-5.4 5.6 9.8 33.3% 0 1.52s 357 0
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-5.4 10.0 10.0 100.0% 0 2.75s 246 0
Grok 4.20 3.0 10.0 0.0% 0 13.68s 197 6,620

Comparație rapidă

Schimbă perechea de comparație

Gemma 4 31BnoneDisponibil gratuitvsGrok 4.20mediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumMiniMax M2.5mediumDisponibil gratuitvsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneGrok 4.20mediumvsGLM 5noneClaude Sonnet 4.6nonevsGrok 4.20mediumGrok 4.20mediumvsMiMo-V2-OmninoneMercury 2mediumvsGPT-5.4noneMiniMax M2.7mediumvsGPT-5.4noneGPT-5.4nonevsElephantmediumGPT-5.3 ChatnonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5V Turbonone