AI BENCHY Compare

OpenAI: GPT-5.4 Mini vs xAI: Grok 4.20

Сводка

Сравнение benchmark GPT-5.4 Mini vs Grok 4.20: GPT-5.4 Mini лидирует по среднему баллу: 5.3 vs 4.4. GPT-5.4 Mini имеет более низкую стоимость benchmark: $0.038 vs $0.057. Grok 4.20 быстрее: 1.11s vs 1.13s, с долей успешных попыток 30.2% vs 28.6%.

Рекомендуемая модель: GPT-5.4 Mini - Здесь у него лучший балл (5.3), при этом он примерно в 1.5 раза дешевле, чем Grok 4.20.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-02

Метрика	GPT-5.4 Mini GPT-5.4 Mini none Релиз: 2026-03-17	Grok 4.20 Grok 4.20 none Релиз: 2026-03-31

Метрика	GPT-5.4 Mini GPT-5.4 Mini none Релиз: 2026-03-17	Grok 4.20 Grok 4.20 none Релиз: 2026-03-31
Оценка	5.3	4.4
Ранг	#129	#160
Надежность	10.0	Н/Д
Стабильность	8.8	8.5
Тестов верно
Доля успешных попыток	30.2%	28.6%
Нестабильные тесты	3	0
Всего запусков	63	54
Стоимость за результат	0.743	1.570
Общая стоимость	$0.038	$0.057
Цена входа	$0.750 / 1M	$1.250 / 1M
Цена выхода	$4.500 / 1M	$2.500 / 1M
Общее число входных токенов	34,244	41,313
Выходные токены	2,541	1,923
Токены рассуждений	0	0
Время ответа (среднее)	1.13s	1.11s
Время ответа (макс.)	2.52s	6.04s
Время ответа (суммарно)	23.82s	19.96s

Генерация showcase

Hamster playing table tennis

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

#129 GPT-5.4 Mini

none

Стоимость: $0.010
Время: 11.7s
Токены: 2,151 tok

#160 xAI: Grok 4.20

none

Стоимость: $0.004
Время: 6.5s
Токены: 1,367 tok

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)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	3.1	8.1	8.3%	1		929ms	606	654	0
Grok 4.20	4.8	10.0	25.0%	0		501ms	1,986	267	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	5.5	10.0	33.3%	0		913ms	7,305	401	0
Grok 4.20	1.1	3.1	0.0%	0		1.22s	1,074	312	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	3.0	10.0	0.0%	0		2.52s	11,019	298	0
Grok 4.20	3.0	10.0	0.0%	0		6.04s	17,673	282	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	10.0	10.0	100.0%	0		1.30s	7,140	222	0
Grok 4.20	10.0	10.0	100.0%	0		522ms	7,749	207	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	3.5	4.4	33.3%	2		937ms	723	88	0
Grok 4.20	3.0	10.0	0.0%	0		687ms	1,746	325	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	4.8	10.0	0.0%	0		1.82s	477	174	0
Grok 4.20	4.8	10.0	0.0%	0		659ms	819	83	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	6.3	10.0	50.0%	0		728ms	660	101	0
Grok 4.20	6.3	10.0	50.0%	0		445ms	1,350	60	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	5.4	10.0	33.3%	0		836ms	642	305	0
Grok 4.20	5.3	10.0	33.3%	0		473ms	1,671	198	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	3.0	10.0	0.0%	0		2.32s	5,477	255	0
Grok 4.20	10.0	10.0	100.0%	0		4.63s	7,245	189	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	3.0	10.0	0.0%	0		1.33s	195	43	0
Grok 4.20	0.0	0.0	0.0%	0		0ms	0	0	0

Быстрое сравнение

Сменить пару сравнения

Grok 4.20nonevsGLM 4.7 Flashmedium MiniMax M2.7mediumvsGPT-5.4 Mininone Mistral Small 4mediumvsGPT-5.4 Mininone Qwen3 Coder NextmediumvsGrok 4.20none MiniMax M2.5mediumvsGrok 4.20none CobuddymediumvsGPT-5.4 Mininone North Mini CodemediumБесплатно доступноvsGPT-5.4 Mininone CobuddymediumvsGrok 4.20none MiniMax M2.5mediumvsGPT-5.4 Mininone Qwen3.5-9BmediumvsGrok 4.20none GPT-5.4 MininonevsQwen3 Coder Nextmedium Mistral Small 4mediumvsGrok 4.20none