AI BENCHY Compare

OpenAI: GPT-5.5 vs Grok 4.20 Multi Agent Beta

Сводка

Сравнение benchmark GPT-5.5 vs Grok 4.20 Multi Agent Beta: GPT-5.5 лидирует по среднему баллу: 9.3 vs 5.0. GPT-5.5 имеет более низкую стоимость benchmark: $0.907 vs $5.599. Grok 4.20 Multi Agent Beta быстрее: 9.69s vs 9.76s, с долей успешных попыток 85.7% vs 50.8%.

Рекомендуемая модель: GPT-5.5 - Здесь у него лучший балл (9.3), при этом он примерно в 6.2 раза дешевле, чем Grok 4.20 Multi Agent Beta.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-18

Метрика	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24	Grok 4.20 Multi Agent Beta Grok 4.20 Multi Agent Beta medium Релиз: 2026-03-12

Метрика	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24	Grok 4.20 Multi Agent Beta Grok 4.20 Multi Agent Beta medium Релиз: 2026-03-12
Оценка	9.3	5.0
Ранг	#4	#136
Надежность	10.0	Н/Д
Стабильность	10.0	6.7
Тестов верно
Доля успешных попыток	85.7%	50.8%
Нестабильные тесты	0	5
Всего запусков	63	52
Стоимость за результат	5.035	62.923
Общая стоимость	$0.907	$5.599
Цена входа	$5.000 / 1M	$4.235 / 1M
Цена выхода	$30.000 / 1M	$4.235 / 1M
Общее число входных токенов	34,209	721,952
Выходные токены	2,046	294,668
Токены рассуждений	22,460	305,374
Время ответа (среднее)	9.76s	9.69s
Время ответа (макс.)	56.19s	35.28s
Время ответа (суммарно)	204.92s	155.07s

Генерация showcase

Hamster playing table tennis

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

#4 GPT-5.5

low

Стоимость: $0.068
Время: 37.0s
Токены: 2,339 tok

#136 Grok 4.20 Multi Agent Beta

medium

Стоимость: $0.261
Время: 123.4s
Токены: 199,344 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-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020
Grok 4.20 Multi Agent Beta	6.9	5.8	75.0%	2		3.46s	90,925	33,706	33,077

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402
Grok 4.20 Multi Agent Beta	3.3	3.3	33.3%	0		27.11s	13,212	86	13,141

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717
Grok 4.20 Multi Agent Beta	3.0	10.0	0.0%	0		0ms	0	0	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157
Grok 4.20 Multi Agent Beta	10.0	10.0	100.0%	0		5.54s	97,232	25,306	25,051

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609
Grok 4.20 Multi Agent Beta	2.9	7.2	11.1%	1		24.67s	328,253	164,609	163,647

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245
Grok 4.20 Multi Agent Beta	5.8	2.8	66.7%	1		6.40s	41,387	15,848	15,746

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415
Grok 4.20 Multi Agent Beta	9.8	10.0	100.0%	0		3.52s	43,923	19,752	19,617

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954
Grok 4.20 Multi Agent Beta	6.7	7.9	55.6%	1		5.19s	107,020	35,361	35,095

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101
Grok 4.20 Multi Agent Beta	3.0	10.0	0.0%	0		0ms	0	0	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840
Grok 4.20 Multi Agent Beta	0.0	0.0	0.0%	0		0ms	0	0	0

Быстрое сравнение

Сменить пару сравнения

GPT-5.5lowvsQwen3.7 Maxmedium Claude Fable 5mediumvsGPT-5.5low Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Gemini 3.5 FlashmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGPT-5.5low GPT-5.5lowvsQwen3.6 Max Previewmedium Claude Opus 4.8mediumvsGPT-5.5low Gemini 3.5 FlashhighvsGPT-5.5low Claude Opus 4.7mediumvsGPT-5.5low GPT-5.5lowvsGLM 5.2medium GPT-5.5lowvsGLM 5medium Seed-2.0-LitemediumvsGPT-5.5low