#20 GPT-5.4
medium- 成本
- $0.214
- 时间
- 199.6s
- 令牌
- 14,349 tok
AI BENCHY 对比
OpenAI: GPT-5.4 vs xAI: Grok 4.5
摘要
GPT-5.4 (medium) 平均分领先，为 8.5 vs 7.8。 Grok 4.5 (low) benchmark 成本更低，为 $0.760 vs $1.210。 Grok 4.5 (low) 更快，为 15.48s vs 22.35s，通过率为 76.2% vs 74.6%。
推荐模型GPT-5.4 (medium)它在本次比较中得分最高（8.5），并且在全部 2 个模型中兼顾成本和响应时间最好。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14
| 指标 | GPT-5.4 GPT-5.4 medium | Grok 4.5 Grok 4.5 low |
|---|---|---|
| 分数 | 8.5 | 7.8 |
| 排名 | #20 | #41 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.6 | 9.7 |
| 测试正确 | ||
| 尝试通过率 | 76.2% | 74.6% |
| 不稳定测试 | 4 | 1 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 8.640 | 5.061 |
| 总成本 | $1.210 | $0.760 |
| 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 | 34,108 | 58,652 |
| 输出令牌 | 2,242 | 1,735 |
| 推理令牌 | 72,707 | 105,233 |
| 响应时间（平均） | 22.35s | 15.48s |
| 响应时间（最大） | 100.41s | 205.28s |
| 响应时间（总计） | 469.29s | 324.98s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#41 xAI: Grok 4.5
low- 成本
- $0.011
- 时间
- 12.4s
- 令牌
- 2,018 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
Claude Sonnet 4.6mediumvsGrok 4.5lowGPT-5.6 TerramediumvsGrok 4.5lowQwen3.6 PlusmediumvsGrok 4.5lowGemini 3.1 Flash Lite PreviewmediumvsGrok 4.5lowQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGemini 3.1 Flash LitemediumvsGrok 4.5lowKimi K2.6medium免费可用vsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowQwen3.5-122B-A10BmediumvsGrok 4.5lowClaude Opus 4.6mediumvsGrok 4.5lowGPT-5.6 LunahighvsGrok 4.5low