Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.5 vs xAI: Grok 4.20

Rezumat

Comparație benchmark GPT-5.5 vs Grok 4.20: GPT-5.5 conduce la scorul mediu cu 9.3 vs 7.3. Grok 4.20 are costul de benchmark mai mic, $0.609 vs $0.907. GPT-5.5 este mai rapid cu 9.76s vs 27.68s, cu rate de reușită de 85.7% vs 63.5%.

Model recomandat: GPT-5.5 - Are cel mai bun scor aici (9.3) și răspunde de aproximativ 2.8x mai rapid decât Grok 4.20.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică GPT-5.5 GPT-5.5 low Lansare: 2026-04-24 Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31
Scor 9.3 7.3
Rang #4 #53
Fiabilitate 10.0 10.0
Consistență 10.0 8.8
Teste corecte
Rată de trecere pe încercare 85.7% 63.5%
Teste instabile 0 3
Rulări totale 63 63
Cost per rezultat 5.035 8.309
Cost total $0.907 $0.609
Preț de intrare $5.000 / 1M $1.250 / 1M
Preț de ieșire $30.000 / 1M $2.500 / 1M
Total tokenuri de intrare 34,209 44,433
Tokenuri de ieșire 2,046 1,819
Tokenuri de raționament 22,460 219,524
Timp de răspuns (mediu) 9.76s 27.68s
Timp de răspuns (maxim) 56.19s 199.66s
Timp de răspuns (total) 204.92s 581.26s

Prezentare generare

Hamster playing table tennis

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

#4 GPT-5.5

low
Cost
$0.068
Timp
37.0s
Tokenuri
2,339 tok

#53 xAI: Grok 4.20

medium
Cost
$0.041
Timp
110.3s
Tokenuri
16,336 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

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-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442

Comparație rapidă

Schimbă perechea de comparație

Gemini 3 Flash PreviewlowvsGrok 4.20mediumGPT-5.5lowvsQwen3.7 MaxmediumClaude Sonnet 4.6nonevsGrok 4.20mediumClaude Opus 4.8nonevsGrok 4.20mediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumGemini 3.5 FlashmediumvsGPT-5.5lowGrok 4.20mediumvsGLM 5.2noneStep 3.7 FlashhighvsGrok 4.20medium