AI BENCHY 对比
OpenAI: GPT-5.4 Mini vs xAI: Grok 4.1 Fast
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-01
| 指标 | GPT-5.4 Mini GPT-5.4 Mini none | Grok 4.1 Fast Grok 4.1 Fast none |
|---|---|---|
| 分数 | 5.1 | 4.5 |
| 排名 | #117 | #130 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.6 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 35.2% | 24.1% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.630 | 0.269 |
| 总成本 | $0.032 | $0.009 |
| ???? | $0.750 / 1M | $0.200 / 1M |
| ???? | $4.500 / 1M | $0.500 / 1M |
| 输出令牌 | 2,418 | 1,721 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.17s | 1.76s |
| 响应时间（最大） | 2.52s | 5.51s |
| 响应时间（总计） | 21.01s | 19.35s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.1 | 8.1 | 8.3% | 1 | 929ms | 654 | 0 | |
| Grok 4.1 Fast | 3.2 | 10.0 | 0.0% | 0 | 1.07s | 235 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 1.19s | 333 | 0 | |
| Grok 4.1 Fast | 5.3 | 3.4 | 33.3% | 1 | 1.79s | 567 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 2.52s | 298 | 0 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 3.33s | 105 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 1.30s | 222 | 0 | |
| Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 943ms | 180 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.5 | 4.4 | 33.3% | 2 | 937ms | 88 | 0 | |
| Grok 4.1 Fast | 5.9 | 7.2 | 55.6% | 1 | 1.06s | 15 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.8 | 10.0 | 0.0% | 0 | 1.82s | 174 | 0 | |
| Grok 4.1 Fast | 4.4 | 9.9 | 0.0% | 0 | 1.08s | 112 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 6.3 | 10.0 | 50.0% | 0 | 728ms | 101 | 0 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 923ms | 56 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 5.4 | 10.0 | 33.3% | 0 | 860ms | 293 | 0 | |
| Grok 4.1 Fast | 3.2 | 10.0 | 0.0% | 0 | 1.28s | 243 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 2.32s | 255 | 0 | |
| Grok 4.1 Fast | 2.8 | 1.6 | 33.3% | 1 | 5.51s | 208 | 0 |
快速对比
切换对比组合
Grok 4.1 FastnonevsGLM 4.7 FlashmediumNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsGPT-5.4 MininoneGPT-5.4 MininonevsElephant AlphamediumMiniMax M2.7mediumvsGPT-5.4 MininoneQwen3.5-9BmediumvsGrok 4.1 FastnoneGPT-5.4 MininonevsQwen3 Coder NextmediumQwen3 Coder NextmediumvsGrok 4.1 FastnoneMiniMax M2.5medium免费可用vsGPT-5.4 MininoneMistral Small 4mediumvsGPT-5.4 MininoneGPT-5.4 MininonevsGLM 4.7 FlashmediumNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsGrok 4.1 FastnoneGPT-5.4 MininonevsOwl Alphamedium