导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.3 Chat vs xAI: Grok Build 0.1

摘要

GPT-5.3 Chat vs Grok Build 0.1 benchmark 对比：Grok Build 0.1 平均分领先，为 7.6 vs 7.5。 GPT-5.3 Chat benchmark 成本更低，为 $0.433 vs $0.927。 GPT-5.3 Chat 更快，为 6.34s vs 49.90s，通过率为 66.7% vs 61.9%。

推荐模型: GPT-5.3 Chat - 它的得分接近这里的最高分（7.5 vs 7.6），同时成本比Grok Build 0.1低约 2.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03 Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21
分数 7.5 7.6
排名 #47 #44
可靠性 10.0 10.0
一致性 8.1 9.9
测试正确
尝试通过率 66.7% 61.9%
不稳定测试 5 0
总运行次数 63 63
每个结果成本 3.605 7.124
总成本 $0.433 $0.927
输入价格 $1.750 / 1M $1.000 / 1M
输出价格 $14.000 / 1M $2.000 / 1M
总输入令牌 34,209 44,418
输出令牌 26,617 2,782
推理令牌 0 438,018
响应时间（平均） 6.34s 49.90s
响应时间（最大） 18.33s 252.69s
响应时间（总计） 133.13s 1047.92s

生成展示

Hamster playing table tennis

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

#47 GPT-5.3 Chat

none
成本
$0.008
时间
8.1s
令牌
634 tok

#44 xAI: Grok Build 0.1

medium
成本
$0.028
时间
81.3s
令牌
14,009 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-5.3 Chat 6.7 8.1 58.3% 1 3.86s 606 3,167 0
Grok Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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-5.3 Chat 5.6 4.7 55.6% 2 10.52s 7,302 6,632 0
Grok Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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-5.3 Chat 10.0 10.0 100.0% 0 11.96s 11,019 2,614 0
Grok Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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-5.3 Chat 10.0 10.0 100.0% 0 2.21s 7,140 942 0
Grok Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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-5.3 Chat 3.5 4.4 33.3% 2 13.01s 723 8,264 0
Grok Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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-5.3 Chat 4.6 10.0 0.0% 0 1.99s 477 319 0
Grok Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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-5.3 Chat 9.8 10.0 100.0% 0 3.51s 660 1,491 0
Grok Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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-5.3 Chat 10.0 10.0 100.0% 0 2.99s 642 1,758 0
Grok Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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-5.3 Chat 10.0 10.0 100.0% 0 8.36s 5,445 861 0
Grok Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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-5.3 Chat 3.0 10.0 0.0% 0 4.38s 195 569 0
Grok Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

快速对比

切换对比组合

DeepSeek V4 ProhighvsGrok Build 0.1mediumMercury 2mediumvsGPT-5.3 ChatnoneKimi K2.5mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.6 FlashmediumDeepSeek V3.2mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsGPT-5.3 ChatnoneSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2.5-PromediumMiniMax M3mediumvsGPT-5.3 ChatnoneStep 3.7 FlashlowvsGrok Build 0.1mediumGemini 3 Flash PreviewlowvsGPT-5.3 ChatnoneClaude Opus 4.8lowvsGrok Build 0.1medium