AI BENCHY 对比
OpenAI: GPT-4o-mini vs Elephant Alpha
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-29
| 指标 | GPT-4o-mini GPT-4o-mini none | Elephant Alpha Elephant Alpha none |
|---|---|---|
| 分数 | 4.9 | 5.2 |
| 排名 | #119 | #111 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 9.9 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 22.2% | 31.5% |
| 不稳定测试 | 0 | 1 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.122 | 0.000 |
| 总成本 | $0.005 | $0.000 |
| ???? | $0.150 / 1M | $0.000 / 1M |
| ???? | $0.600 / 1M | $0.000 / 1M |
| 输出令牌 | 1,947 | 2,573 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.00s | 1.23s |
| 响应时间（最大） | 7.58s | 3.81s |
| 响应时间（总计） | 21.99s | 22.16s |
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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.8 | 10.0 | 25.0% | 0 | 1.34s | 186 | 0 | |
| Elephant Alpha | 6.6 | 10.0 | 50.0% | 0 | 963ms | 610 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 8.7 | 0.0% | 0 | 2.55s | 347 | 0 | |
| Elephant Alpha | 6.4 | 3.3 | 66.7% | 1 | 1.39s | 375 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 7.58s | 568 | 0 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 3.81s | 731 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 183 | 0 | |
| Elephant Alpha | 6.5 | 10.0 | 50.0% | 0 | 1.04s | 246 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 637ms | 15 | 0 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 927ms | 24 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.0 | 10.0 | 0.0% | 0 | 909ms | 66 | 0 | |
| Elephant Alpha | 4.0 | 10.0 | 0.0% | 0 | 854ms | 106 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.8 | 10.0 | 0.0% | 0 | 1.27s | 69 | 0 | |
| Elephant Alpha | 9.8 | 10.0 | 100.0% | 0 | 1.03s | 81 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.7 | 10.0 | 0.0% | 0 | 1.30s | 308 | 0 | |
| Elephant Alpha | 3.3 | 10.0 | 0.0% | 0 | 849ms | 170 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 205 | 0 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 2.79s | 230 | 0 |
快速对比
切换对比组合
Nemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsElephant AlphanoneMiniMax M2.7mediumvsElephant AlphanoneGPT-4o-mininonevsQwen3 Coder NextmediumGPT-4o-mininonevsGLM 4.7 FlashmediumNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsGPT-4o-mininoneGPT-4o-mininonevsElephant AlphamediumMiniMax M2.7mediumvsGPT-4o-mininoneMistral Small 4mediumvsElephant AlphanoneElephant AlphanonevsQwen3 Coder NextmediumGPT-4o-mininonevsQwen3.5-9BmediumMiniMax M2.5medium免费可用vsElephant AlphanoneElephant AlphanonevsGLM 4.7 Flashmedium