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 medium Toleo: Tarehe ya kutolewa haijulikani
Nafasi #28 #16
Alama 4.86 6.29
Uthabiti 9.98 8.20
Gharama kwa matokeo 0.056 0.532
Jumla ya gharama $0.003 $0.043
Majaribio sahihi
Majaribio yenye makosa 9 6
Kiwango cha kupita kwa kila jaribio 35.7% 66.7%
Majaribio yasiyo thabiti 0 3
Tokeni za matokeo 949 793
Tokeni za hoja 0 74,056

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 10.00 10.00 100.0% 0 102 4,021
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 5,472
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 12 40,547
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 5.50 10.00 50.0% 0 48 3,151
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 4.67 7.20 44.4% 1 191 9,380
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% 1 260 11,485

Badilisha jozi ya ulinganisho