导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.2 Chat vs xAI: Grok 4.5

摘要

GPT-5.2 Chat vs Grok 4.5 (medium) benchmark 对比：GPT-5.2 Chat 平均分领先，为 8.5 vs 8.3。 GPT-5.2 Chat benchmark 成本更低，为 $0.393 vs $1.696。 GPT-5.2 Chat 更快，为 7.13s vs 62.63s，通过率为 74.6% vs 77.8%。

推荐模型: GPT-5.2 Chat - 它在这里得分最高（8.5），同时成本比Grok 4.5 (medium)低约 4.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-08

指标 GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11 Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08
分数 8.5 8.3
排名 #19 #23
可靠性 10.0 9.9
一致性 8.9 8.9
测试正确
尝试通过率 74.6% 77.8%
不稳定测试 3 3
总运行次数 63 63
每个结果成本 2.803 11.304
总成本 $0.393 $1.696
输入价格 $1.750 / 1M $2.000 / 1M
输出价格 $14.000 / 1M $6.000 / 1M
总输入令牌 34,212 53,500
输出令牌 23,744 1,621
推理令牌 0 263,127
响应时间（平均） 7.13s 62.63s
响应时间（最大） 38.52s 436.38s
响应时间（总计） 149.69s 1315.20s

生成展示

Hamster playing table tennis

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

#19 GPT-5.2 Chat

none
成本
$0.010
时间
15.3s
令牌
797 tok

#23 xAI: Grok 4.5

medium
成本
$0.044
时间
59.4s
令牌
7,512 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 4.5 10.0 10.0 100.0% 0 23.50s 2,991 147 4,018
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 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634
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 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
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 4.5 10.0 10.0 100.0% 0 6.29s 8,937 225 3,657
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 4.5 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
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 4.5 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
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 4.5 9.8 10.0 100.0% 0 6.06s 1,857 57 2,728
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 4.5 10.0 10.0 100.0% 0 7.75s 2,430 254 3,641
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 4.5 10.0 10.0 100.0% 0 6.57s 8,544 192 968
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 4.5 3.0 10.0 0.0% 0 74.44s 789 13 14,921

快速对比

切换对比组合

Seed-2.0-LitemediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGrok 4.5mediumGPT-5.2 ChatnonevsGLM 5mediumGPT-5.2 ChatnonevsGLM 5.2mediumDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneClaude Opus 4.7mediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.7 PlusmediumClaude Opus 4.8mediumvsGPT-5.2 ChatnoneNemotron 3 Ultra 550b A55bmedium免费可用vsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.6 Max Previewmedium