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: 2026-05-10

Metrică GPT-5.4 GPT-5.4 none Lansare: 2026-03-05 Grok 4.20 Grok 4.20 none Lansare: 2026-03-31
Scor 5.7 5.4
Rang #100 #115
Fiabilitate 10.0 N/D
Consistență 9.1 9.5
Teste corecte
Rată de trecere pe încercare 40.4% 35.2%
Teste instabile 2 1
Rulări totale 57 54
Cost per rezultat 1.493 1.574
Cost total $0.105 $0.095
Preț de intrare $2.500 / 1M $1.250 / 1M
Preț de ieșire $15.000 / 1M $2.500 / 1M
Tokenuri de ieșire 2,357 1,967
Tokenuri de raționament 0 0
Timp de răspuns (mediu) 1.48s 1.11s
Timp de răspuns (maxim) 2.95s 6.04s
Timp de răspuns (total) 28.20s 20.02s

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 4.8 10.0 25.0% 0 501ms 267 0
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 3.4 9.3 0.0% 0 1.22s 312 0
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 3.0 10.0 0.0% 0 6.04s 282 0
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 522ms 207 0
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 3.0 10.0 0.0% 0 687ms 325 0
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 4.8 10.0 0.0% 0 659ms 83 0
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 6.3 10.0 50.0% 0 455ms 60 0
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 5.3 7.2 44.4% 1 487ms 242 0
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 10.0 10.0 100.0% 0 4.63s 189 0
Cultură 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 3.0 10.0 0.0% 0 990ms 40 0
Grok 4.20 - - - - - - - -

Comparație rapidă

Schimbă perechea de comparație

Elephant AlphamediumvsGrok 4.20noneCobuddymediumDisponibil gratuitvsGPT-5.4noneMistral Small 4mediumvsGrok 4.20noneMiniMax M2.5mediumDisponibil gratuitvsGrok 4.20noneMiniMax M2.5mediumDisponibil gratuitvsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneGPT-5.4nonevsElephant AlphamediumGPT-5.4nonevsOwl AlphamediumMiniMax M2.7mediumvsGrok 4.20nonegpt-oss-120bmediumDisponibil gratuitvsGrok 4.20noneNemotron 3 SupermediumDisponibil gratuitvsGPT-5.4noneCobuddymediumDisponibil gratuitvsGrok 4.20none