AI BENCHY Compare

OpenAI: GPT-4o-mini vs xAI: Grok 4.20

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-04-29

Метрика	GPT-4o-mini GPT-4o-mini none Релиз: 2024-07-18	Grok 4.20 Grok 4.20 none Релиз: 2026-03-31

Метрика	GPT-4o-mini GPT-4o-mini none Релиз: 2024-07-18	Grok 4.20 Grok 4.20 none Релиз: 2026-03-31
Оценка	4.9	5.2
Ранг	#119	#108
Надежность	Н/Д	Н/Д
Стабильность	9.9	9.5
Тестов верно
Доля успешных попыток	22.2%	29.6%
Нестабильные тесты	0	1
Всего запусков	54	54
Стоимость за результат	0.122	1.889
Общая стоимость	$0.005	$0.095
???? ?????	$0.150 / 1M	$2.000 / 1M
???? ??????	$0.600 / 1M	$6.000 / 1M
Выходные токены	1,947	1,967
Токены рассуждений	0	0
Время ответа (среднее)	2.00s	1.11s
Время ответа (макс.)	7.58s	6.04s
Время ответа (суммарно)	21.99s	20.02s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-4o-mini	4.8	10.0	25.0%	0		1.34s	186	0
Grok 4.20	4.8	10.0	25.0%	0		501ms	267	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-4o-mini	3.0	8.7	0.0%	0		2.55s	347	0
Grok 4.20	3.4	9.3	0.0%	0		1.22s	312	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-4o-mini	3.0	10.0	0.0%	0		7.58s	568	0
Grok 4.20	3.0	10.0	0.0%	0		6.04s	282	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-4o-mini	10.0	10.0	100.0%	0		1.27s	183	0
Grok 4.20	10.0	10.0	100.0%	0		522ms	207	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-4o-mini	3.0	10.0	0.0%	0		637ms	15	0
Grok 4.20	3.0	10.0	0.0%	0		687ms	325	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-4o-mini	4.0	10.0	0.0%	0		909ms	66	0
Grok 4.20	4.8	10.0	0.0%	0		659ms	83	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-4o-mini	4.8	10.0	0.0%	0		1.27s	69	0
Grok 4.20	4.8	10.0	0.0%	0		455ms	60	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-4o-mini	3.7	10.0	0.0%	0		1.30s	308	0
Grok 4.20	5.3	7.4	44.4%	1		487ms	242	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-4o-mini	10.0	10.0	100.0%	0		2.51s	205	0
Grok 4.20	10.0	10.0	100.0%	0		4.63s	189	0

Быстрое сравнение

Сменить пару сравнения

Nemotron 3 Nano Omni 30b A3b ReasoningmediumБесплатно доступноvsGrok 4.20none Elephant AlphamediumvsGrok 4.20none MiniMax M2.7mediumvsGrok 4.20none GPT-4o-mininonevsQwen3 Coder Nextmedium GPT-4o-mininonevsGLM 4.7 Flashmedium Nemotron 3 Nano Omni 30b A3b ReasoningmediumБесплатно доступноvsGPT-4o-mininone GPT-4o-mininonevsElephant Alphamedium MiniMax M2.7mediumvsGPT-4o-mininone Mistral Small 4mediumvsGrok 4.20none MiniMax M2.5mediumБесплатно доступноvsGrok 4.20none Qwen3 Coder NextmediumvsGrok 4.20none GPT-4o-mininonevsQwen3.5-9Bmedium