- 排名
- #85
- 总输出令牌
- 158,344
- 响应时间（平均）
- 26.72s
- 总成本
- $0.786
GPT-5.4 Mini (medium) vs Grok 4.6 (low)
GPT-5.4 Mini (medium) 平均分领先，为 7.5 vs 7.4。 Grok 4.6 (low) benchmark 成本更低，为 $0.449 vs $0.786。 Grok 4.6 (low) 更快，为 14.55s vs 26.72s，通过率为 68.2% vs 69.7%。
- 排名
- #93
- 总输出令牌
- 38,048
- 响应时间（平均）
- 14.55s
- 总成本
- $0.449
推荐模型
Grok 4.6 (low)
它的得分接近这里的最高分（7.4 vs 7.5），同时成本比GPT-5.4 Mini (medium)低约 1.8 倍。
详细对比
| 指标 | GPT-5.4 Mini GPT-5.4 Mini medium | Grok 4.6 Grok 4.6 low |
|---|---|---|
| 分数 | 7.5 | 7.4 |
| 排名 | #85 | #93 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.1 | 9.6 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 68.2% | 69.7% |
| 不稳定测试 | 5 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 6.546 | 2.989 |
| 总成本 | $0.786 | $0.449 |
| 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 | 97,164 | 109,960 |
| 输出令牌 | 6,211 | 5,124 |
| 推理令牌 | 152,133 | 32,924 |
| 响应时间（平均） | 26.72s | 14.55s |
| 响应时间（最大） | 138.75s | 26.46s |
| 响应时间（总计） | 587.90s | 320.17s |
| 参数量 | ~400B 总计 (~17B 激活) | ~1.7T 总计 (~170B 激活) |
| 开放状态 | 闭源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#85 GPT-5.4 Mini
medium- 成本
- $0.056
- 时间
- 95.5s
- 令牌
- 12,464 tok
#93 SpaceXAI: Grok 4.6
low- 成本
- $0.011
- 时间
- 26.0s
- 令牌
- 1,941 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.00s | 2,991 | 104 | 3,343 |
| 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 4.6 | 5.5 | 7.1 | 44.4% | 1 | 21.69s | 9,579 | 349 | 7,740 |
| 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 | 6.9 | 5.9 | 66.7% | 1 | 59.64s | 74,058 | 4,347 | 40,924 | |
| Grok 4.6 | 6.5 | 10.0 | 50.0% | 0 | 23.33s | 71,233 | 3,899 | 2,805 |
| 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 11.63s | 8,937 | 225 | 1,423 |
| 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 | 3.6 | 7.2 | 22.2% | 1 | 71.05s | 628 | 60 | 49,875 | |
| Grok 4.6 | 3.0 | 10.0 | 0.0% | 0 | 18.19s | 2,523 | 16 | 7,921 |
| 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 16.29s | 1,077 | 55 | 1,009 |
| 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 4.6 | 9.8 | 10.0 | 100.0% | 0 | 6.64s | 1,857 | 57 | 2,310 |
| 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 8.16s | 2,430 | 154 | 2,506 |
| 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 14.42s | 8,544 | 255 | 359 |
| 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 4.6 | 3.0 | 10.0 | 0.0% | 0 | 26.11s | 789 | 10 | 3,508 |
快速对比
切换对比组合
Qwen3.8 2.4T A95BhighvsGrok 4.6lowGPT-5.4 MinimediumvsQwen3.7 MaxnoneClaude Sonnet 4.6nonevsGrok 4.6lowLongCat 2.0mediumvsGrok 4.6lowGPT-5.6 LunamediumvsGrok 4.6lowKimi K2.7 CodemediumvsGrok 4.6lowQwen3.7 MaxnonevsGrok 4.6lowGPT-5.4 MinimediumvsQwen3.8 2.4T A95BhighGemini 3.1 Flash Lite PreviewmediumvsGrok 4.6lowGemini 3.1 Flash LitemediumvsGrok 4.6lowGemini 3 Flash PreviewlowvsGPT-5.4 MinimediumQwen3.7 PlusnonevsGrok 4.6low