AI BENCHY Compare

OpenAI: GPT-5.5 vs xAI: Grok Build 0.1

Сводка

Сравнение benchmark GPT-5.5 vs Grok Build 0.1: GPT-5.5 лидирует по среднему баллу: 9.3 vs 4.2. Grok Build 0.1 имеет более низкую стоимость benchmark: $0.547 vs $0.907. GPT-5.5 быстрее: 9.76s vs 28.69s, с долей успешных попыток 85.7% vs 46.0%.

Рекомендуемая модель: GPT-5.5 - Здесь у него лучший балл (9.3), и он отвечает примерно в 2.9 раза быстрее, чем Grok Build 0.1.

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

Метрика	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24	Grok Build 0.1 Grok Build 0.1 none Релиз: 2026-05-21

Метрика	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24	Grok Build 0.1 Grok Build 0.1 none Релиз: 2026-05-21
Оценка	9.3	4.2
Ранг	#4	#165
Надежность	10.0	10.0
Стабильность	10.0	7.5
Тестов верно
Доля успешных попыток	85.7%	46.0%
Нестабильные тесты	0	4
Всего запусков	63	57
Стоимость за результат	5.035	7.805
Общая стоимость	$0.907	$0.547
Цена входа	$5.000 / 1M	$1.000 / 1M
Цена выхода	$30.000 / 1M	$2.000 / 1M
Общее число входных токенов	34,209	11,793
Выходные токены	2,046	267,275
Токены рассуждений	22,460	0
Время ответа (среднее)	9.76s	28.69s
Время ответа (макс.)	56.19s	138.35s
Время ответа (суммарно)	204.92s	459.00s

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

#165 xAI: Grok Build 0.1

none

Для этой модели еще не сгенерирован результат showcase.

Стоимость: $0.000
Время: -
Токены: 0 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 Build 0.1	8.7	7.9	91.7%	1		6.30s	2,010	11,162	0

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 Build 0.1	3.3	3.3	33.3%	0		21.41s	1,080	16,568	0

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 Build 0.1	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 Build 0.1	3.8	5.8	33.3%	1		9.33s	2,532	6,359	0

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 Build 0.1	3.6	7.2	22.2%	1		103.71s	1,764	179,469	0

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 Build 0.1	4.3	10.0	0.0%	0		12.47s	825	6,647	0

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 Build 0.1	9.8	10.0	100.0%	0		7.36s	1,362	8,970	0

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 Build 0.1	6.4	7.7	55.6%	1		9.55s	1,689	14,982	0

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 Build 0.1	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 Build 0.1	3.0	10.0	0.0%	0		36.09s	531	23,118	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