导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

IBM: Granite 4.1 8B vs OpenAI: GPT-5.5

摘要

Granite 4.1 8B vs GPT-5.5 benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 4.0。 Granite 4.1 8B benchmark 成本更低，为 $0.003 vs $0.907。 Granite 4.1 8B 更快，为 728ms vs 9.76s，通过率为 9.5% vs 85.7%。

推荐模型: Granite 4.1 8B - 它提供了最佳整体取舍：得分有竞争力（4.0），成本低于GPT-5.5，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 Granite 4.1 8B Granite 4.1 8B none 发布日期: 2026-05-01 GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24
分数 4.0 9.3
排名 #163 #5
可靠性 10.0 10.0
一致性 10.0 10.0
测试正确
尝试通过率 9.5% 85.7%
不稳定测试 0 0
总运行次数 63 63
每个结果成本 0.131 5.035
总成本 $0.003 $0.907
输入价格 $0.050 / 1M $5.000 / 1M
输出价格 $0.100 / 1M $30.000 / 1M
总输入令牌 46,285 34,209
输出令牌 2,911 2,046
推理令牌 0 22,460
响应时间（平均） 728ms 9.76s
响应时间（最大） 2.17s 56.19s
响应时间（总计） 15.29s 204.92s

Generation showcase

Hamster playing table tennis

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

#163 IBM: Granite 4.1 8B

none
Cost
$0.001
Time
3.2s
Tokens
491 tok

#5 GPT-5.5

low
Cost
$0.068
Time
37.0s
Tokens
2,339 tok

按分数排名的模型

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） 输入令牌 输出令牌 推理令牌
Granite 4.1 8B 4.9 10.0 25.0% 0 844ms 645 903 0
GPT-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
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） 输入令牌 输出令牌 推理令牌
Granite 4.1 8B 4.5 10.0 0.0% 0 775ms 8,344 525 0
GPT-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
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） 输入令牌 输出令牌 推理令牌
Granite 4.1 8B 3.0 10.0 0.0% 0 1.88s 19,089 396 0
GPT-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
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） 输入令牌 输出令牌 推理令牌
Granite 4.1 8B 3.0 10.0 0.0% 0 575ms 7,617 195 0
GPT-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
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） 输入令牌 输出令牌 推理令牌
Granite 4.1 8B 3.0 10.0 0.0% 0 357ms 768 24 0
GPT-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
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） 输入令牌 输出令牌 推理令牌
Granite 4.1 8B 4.0 10.0 0.0% 0 499ms 528 115 0
GPT-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
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） 输入令牌 输出令牌 推理令牌
Granite 4.1 8B 3.6 9.9 0.0% 0 344ms 687 66 0
GPT-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
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） 输入令牌 输出令牌 推理令牌
Granite 4.1 8B 3.2 10.0 0.0% 0 608ms 672 432 0
GPT-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
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） 输入令牌 输出令牌 推理令牌
Granite 4.1 8B 10.0 10.0 100.0% 0 2.17s 7,719 243 0
GPT-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
常识问答 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） 输入令牌 输出令牌 推理令牌
Granite 4.1 8B 3.0 10.0 0.0% 0 306ms 216 12 0
GPT-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840

快速对比

切换对比组合

GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGranite 4.1 8BnonevsQwen3.5-9BmediumGemini 3 Flash PreviewmediumvsGPT-5.5lowGranite 4.1 8BnonevsGLM 4.7 FlashmediumGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.5lowGranite 4.1 8BnonevsQwen3 Coder Nextmedium