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

OpenAI: GPT-5.2 Chat vs xAI: Grok 4.3

摘要

GPT-5.2 Chat vs Grok 4.3 benchmark 对比：GPT-5.2 Chat 平均分领先，为 8.5 vs 7.7。 GPT-5.2 Chat benchmark 成本更低，为 $0.393 vs $0.614。 GPT-5.2 Chat 更快，为 7.13s vs 47.51s，通过率为 74.6% vs 71.4%。

推荐模型: GPT-5.2 Chat - 它在这里得分最高（8.5），同时成本比Grok 4.3低约 1.6 倍。

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

指标 GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11 Grok 4.3 Grok 4.3 medium 发布日期: 2026-05-01
分数 8.5 7.7
排名 #22 #40
可靠性 10.0 10.0
一致性 8.9 8.5
测试正确
尝试通过率 74.6% 71.4%
不稳定测试 3 4
总运行次数 63 63
每个结果成本 2.803 4.724
总成本 $0.393 $0.614
输入价格 $1.750 / 1M $1.250 / 1M
输出价格 $14.000 / 1M $2.500 / 1M
总输入令牌 34,212 44,472
输出令牌 23,744 1,981
推理令牌 0 221,382
响应时间（平均） 7.13s 47.51s
响应时间（最大） 38.52s 216.69s
响应时间（总计） 149.69s 997.68s

Generation showcase

Hamster playing table tennis

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

#22 GPT-5.2 Chat

none
Cost
$0.010
Time
15.3s
Tokens
797 tok

#40 xAI: Grok 4.3

medium
Cost
$0.009
Time
19.0s
Tokens
3,661 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
GPT-5.2 Chat 8.7 7.9 91.7% 1 3.40s 606 1,807 0
Grok 4.3 10.0 10.0 100.0% 0 8.83s 2,010 88 8,207
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
GPT-5.2 Chat 8.8 7.8 88.9% 1 9.82s 7,305 6,731 0
Grok 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226
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
GPT-5.2 Chat 10.0 10.0 100.0% 0 9.12s 11,019 1,243 0
Grok 4.3 10.0 10.0 100.0% 0 63.99s 12,909 234 15,301
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
GPT-5.2 Chat 10.0 10.0 100.0% 0 3.05s 7,140 980 0
Grok 4.3 10.0 10.0 100.0% 0 18.97s 7,761 180 9,546
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
GPT-5.2 Chat 5.3 10.0 33.3% 0 17.78s 723 7,810 0
Grok 4.3 5.3 7.2 44.4% 1 181.74s 1,764 14 111,300
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
GPT-5.2 Chat 4.4 3.0 33.3% 1 3.20s 477 335 0
Grok 4.3 5.4 2.5 66.7% 1 24.70s 825 70 5,020
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
GPT-5.2 Chat 9.8 10.0 100.0% 0 5.51s 660 1,441 0
Grok 4.3 9.8 10.0 100.0% 0 18.58s 1,362 57 8,713
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
GPT-5.2 Chat 7.7 10.0 66.7% 0 4.10s 642 1,603 0
Grok 4.3 5.9 7.2 55.6% 1 22.52s 1,689 128 14,468
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
GPT-5.2 Chat 10.0 10.0 100.0% 0 4.68s 5,445 555 0
Grok 4.3 10.0 10.0 100.0% 0 17.66s 7,263 168 4,615
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
GPT-5.2 Chat 3.0 10.0 0.0% 0 6.89s 195 1,239 0
Grok 4.3 3.0 10.0 0.0% 0 44.47s 549 14 12,986

快速对比

切换对比组合

Seed-2.0-LitemediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.7 FlashmediumStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.2 ChatnonevsGLM 5mediumGPT-5.2 ChatnonevsGLM 5 TurbomediumGPT-5.3 ChatnonevsGrok 4.3mediumDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneClaude Opus 4.7mediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.7 PlusmediumGemini 3 Flash PreviewlowvsGrok 4.3mediumClaude Opus 4.8mediumvsGPT-5.2 Chatnone