#18 GPT-5.4
medium- 成本
- $0.214
- 时间
- 199.6s
- 令牌
- 14,349 tok
OpenAI: GPT-5.4 vs xAI: Grok 4.5
Grok 4.5 (high) 平均分领先，为 8.9 vs 8.5。 GPT-5.4 (medium) benchmark 成本更低，为 $1.533 vs $1.707。 GPT-5.4 (medium) 更快，为 23.10s vs 76.50s，通过率为 77.3% vs 83.3%。
推荐模型GPT-5.4 (medium)它的得分接近这里的最高分（8.5 vs 8.9），同时响应速度比Grok 4.5 (high)快约 3.3 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17
| 指标 | GPT-5.4 GPT-5.4 medium | Grok 4.5 Grok 4.5 high |
|---|---|---|
| 分数 | 8.5 | 8.9 |
| 排名 | #18 | #12 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.6 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 77.3% | 83.3% |
| 不稳定测试 | 4 | 2 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 10.220 | 10.041 |
| 总成本 | $1.533 | $1.707 |
| 输入价格 | $2.500 / 1M | $2.000 / 1M |
| 输出价格 | $15.000 / 1M | $6.000 / 1M |
| 总输入令牌 | 81,127 | 151,562 |
| 输出令牌 | 6,155 | 5,655 |
| 推理令牌 | 82,515 | 247,540 |
| 响应时间（平均） | 23.10s | 76.50s |
| 响应时间（最大） | 100.41s | 676.83s |
| 响应时间（总计） | 508.26s | 1683.07s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#12 xAI: Grok 4.5
high- 成本
- $0.015
- 时间
- 29.7s
- 令牌
- 2,737 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
快速对比
切换对比组合
GPT-5.3-CodexmediumvsGrok 4.5highGemini 3.5 FlashlowvsGrok 4.5highGPT-5.5mediumvsGrok 4.5highClaude Opus 4.8mediumvsGrok 4.5highGPT-5.4mediumvsGrok 4.5lowGemini 3.5 FlashmediumvsGrok 4.5highQwen3.7 MaxmediumvsGrok 4.5highClaude Opus 4.7mediumvsGrok 4.5highMuse Spark 1.1lowvsGPT-5.4mediumMuse Spark 1.1mediumvsGrok 4.5highClaude Fable 5mediumvsGrok 4.5highGemini 3.1 Pro PreviewmediumvsGrok 4.5high