AI BENCHY 对比
IBM: Granite 4.1 8B vs OpenAI: GPT-5.4 Nano
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-01
| 指标 | Granite 4.1 8B Granite 4.1 8B none | GPT-5.4 Nano GPT-5.4 Nano none |
|---|---|---|
| 分数 | 4.3 | 4.6 |
| 排名 | #135 | #127 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 10.0 | 7.4 |
| 测试正确 | ||
| 尝试通过率 | 11.1% | 33.3% |
| 不稳定测试 | 0 | 6 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.110 | 0.299 |
| 总成本 | $0.003 | $0.009 |
| ???? | $0.050 / 1M | $0.200 / 1M |
| ???? | $0.100 / 1M | $1.250 / 1M |
| 输出令牌 | 2,712 | 2,762 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 767ms | 1.40s |
| 响应时间（最大） | 2.17s | 3.84s |
| 响应时间（总计） | 13.81s | 25.14s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 4.9 | 10.0 | 25.0% | 0 | 844ms | 903 | 0 | |
| GPT-5.4 Nano | 3.5 | 8.0 | 16.7% | 1 | 1.18s | 800 | 0 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 6.9 | 10.0 | 0.0% | 0 | 1.07s | 339 | 0 | |
| GPT-5.4 Nano | 7.1 | 3.7 | 66.7% | 1 | 1.43s | 577 | 0 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 3.0 | 10.0 | 0.0% | 0 | 1.88s | 396 | 0 | |
| GPT-5.4 Nano | 3.0 | 10.0 | 0.0% | 0 | 3.84s | 280 | 0 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 3.0 | 10.0 | 0.0% | 0 | 575ms | 195 | 0 | |
| GPT-5.4 Nano | 6.5 | 10.0 | 50.0% | 0 | 1.11s | 219 | 0 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 3.0 | 10.0 | 0.0% | 0 | 357ms | 24 | 0 | |
| GPT-5.4 Nano | 2.9 | 4.4 | 22.2% | 2 | 926ms | 52 | 0 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 4.0 | 10.0 | 0.0% | 0 | 499ms | 115 | 0 | |
| GPT-5.4 Nano | 3.8 | 2.5 | 33.3% | 1 | 1.31s | 180 | 0 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 3.6 | 9.9 | 0.0% | 0 | 344ms | 66 | 0 | |
| GPT-5.4 Nano | 6.3 | 10.0 | 50.0% | 0 | 787ms | 84 | 0 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 3.7 | 10.0 | 0.0% | 0 | 635ms | 431 | 0 | |
| GPT-5.4 Nano | 3.7 | 7.3 | 22.2% | 1 | 1.29s | 348 | 0 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 10.0 | 10.0 | 100.0% | 0 | 2.17s | 243 | 0 | |
| GPT-5.4 Nano | 10.0 | 10.0 | 100.0% | 0 | 3.40s | 222 | 0 |
快速对比
切换对比组合
GPT-5.4 NanononevsGLM 4.7 FlashmediumGranite 4.1 8BnonevsQwen3.5-9BmediumGPT-5.4 NanononevsQwen3.5-9BmediumGPT-5.4 NanononevsQwen3 Coder NextmediumGranite 4.1 8BnonevsGLM 4.7 FlashmediumNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsGPT-5.4 NanononeGPT-5.4 NanononevsElephant AlphamediumGranite 4.1 8BnonevsQwen3 Coder NextmediumMiniMax M2.7mediumvsGPT-5.4 NanononeGranite 4.1 8BnonevsNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用Granite 4.1 8BnonevsElephant AlphamediumGranite 4.1 8BnonevsMiniMax M2.7medium