导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.4 Mini vs xAI: Grok 4.5

摘要

GPT-5.4 Mini (medium) vs Grok 4.5 (low) benchmark 对比：GPT-5.4 Mini (medium) 平均分领先，为 8.0 vs 7.8。 GPT-5.4 Mini (medium) benchmark 成本更低，为 $0.526 vs $0.760。 Grok 4.5 (low) 更快，为 15.48s vs 22.34s，通过率为 73.0% vs 74.6%。

推荐模型: GPT-5.4 Mini (medium) - 它在本次比较中得分最高（8.0），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：: 2026-07-08

指标 GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17 Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数 8.0 7.8
排名 #28 #34
可靠性 10.0 10.0
一致性 8.0 9.7
测试正确
尝试通过率 73.0% 74.6%
不稳定测试 5 1
总运行次数 63 63
每个结果成本 4.381 5.061
总成本 $0.526 $0.760
输入价格 $0.750 / 1M $2.000 / 1M
输出价格 $4.500 / 1M $6.000 / 1M
总输入令牌 34,116 58,652
输出令牌 2,181 1,735
推理令牌 108,937 105,233
响应时间（平均） 22.34s 15.48s
响应时间（最大） 138.75s 205.28s
响应时间（总计） 469.20s 324.98s

生成展示

Hamster playing table tennis

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

#28 GPT-5.4 Mini

medium
成本
$0.056
时间
95.5s
令牌
12,464 tok

#34 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

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-5.4 Mini 8.6 7.9 91.7% 1 4.05s 606 296 2,876
Grok 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
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-5.4 Mini 8.4 7.4 88.9% 1 57.87s 7,305 467 40,902
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
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-5.4 Mini 10.0 10.0 100.0% 0 17.81s 11,019 317 4,317
Grok 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
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-5.4 Mini 10.0 10.0 100.0% 0 2.43s 7,140 234 650
Grok 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
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-5.4 Mini 4.1 4.4 44.5% 2 65.31s 619 60 43,286
Grok 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
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-5.4 Mini 4.5 10.0 0.0% 0 3.72s 477 150 510
Grok 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
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-5.4 Mini 9.8 10.0 100.0% 0 2.13s 660 96 1,185
Grok 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
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-5.4 Mini 7.8 10.0 66.7% 0 4.37s 642 278 2,443
Grok 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
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-5.4 Mini 4.7 1.6 66.7% 1 9.62s 5,453 251 2,594
Grok 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
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-5.4 Mini 3.0 10.0 0.0% 0 30.10s 195 32 10,174
Grok 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

快速对比

切换对比组合

Claude Sonnet 4.6mediumvsGrok 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 4.5lowQwen3.5 Plus 2026-02-15mediumvsGrok 4.5lowMiniMax M3mediumvsGrok 4.5low