Urambazaji
AI BENCHY
Linganisha Chati
❤️ Made by XCS
Your ad here

AI BENCHY Compare

OpenAI: GPT-4o-mini vs xAI: Grok 4.1 Fast

Jina la modeli:

Benchmark zimetengenezwa kutoka seti za majaribio za AI BENCHY tarehe : 2026-02-27 15:16

Muhtasari

Kipimo OpenAI: GPT-4o-mini none Toleo: Tarehe ya kutolewa haijulikani xAI: Grok 4.1 Fast none Toleo: Tarehe ya kutolewa haijulikani
Nafasi #28 #38
Alama 4.86 3.00
Uthabiti 9.98 8.69
Gharama kwa matokeo 0.056 0.176
Jumla ya gharama $0.003 $0.006
Majaribio sahihi
Majaribio yenye makosa 9 11
Kiwango cha kupita kwa kila jaribio 35.7% 28.6%
Majaribio yasiyo thabiti 0 2
Tokeni za matokeo 949 931
Tokeni za hoja 0 0

Mgawanyo wa kategoria

Mbinu za kupinga AI Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 4.00 10.00 33.3% 0 180 0
xAI: Grok 4.1 Fast 1.33 10.00 0.0% 0 229 0
Uchanganuzi na uchimbaji wa data Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 10.00 10.00 100.0% 0 183 0
xAI: Grok 4.1 Fast 10.00 10.00 100.0% 0 180 0
Mahususi kwa domeni Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 1.00 10.00 0.0% 0 15 0
xAI: Grok 4.1 Fast 4.00 7.21 55.6% 1 15 0
Ufuataji wa maagizo Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 5.50 10.00 50.0% 0 71 0
xAI: Grok 4.1 Fast 1.00 10.00 0.0% 0 66 0
Puzzle Solving Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 4.00 9.92 0.0% 0 295 0
xAI: Grok 4.1 Fast 1.00 9.48 0.0% 0 233 0
Mwito wa zana Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 10.00 10.00 100.0% 0 205 0
xAI: Grok 4.1 Fast 1.00 1.62 33.3% 1 208 0

Badilisha jozi ya ulinganisho