#129 GPT-5.4 Mini
none- 成本
- $0.010
- 时间
- 11.7s
- 令牌
- 2,151 tok
AI BENCHY 对比
OpenAI: GPT-5.4 Mini vs xAI: Grok 4.20
摘要
GPT-5.4 Mini vs Grok 4.20 benchmark 对比：GPT-5.4 Mini 平均分领先，为 5.3 vs 4.4。 GPT-5.4 Mini benchmark 成本更低，为 $0.038 vs $0.057。 Grok 4.20 更快，为 1.11s vs 1.13s，通过率为 30.2% vs 28.6%。
推荐模型: GPT-5.4 Mini - 它在这里得分最高（5.3），同时成本比Grok 4.20低约 1.5 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02
| 指标 | GPT-5.4 Mini GPT-5.4 Mini none | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 5.3 | 4.4 |
| 排名 | #129 | #160 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 8.8 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 30.2% | 28.6% |
| 不稳定测试 | 3 | 0 |
| 总运行次数 | 63 | 54 |
| 每个结果成本 | 0.743 | 1.570 |
| 总成本 | $0.038 | $0.057 |
| 输入价格 | $0.750 / 1M | $1.250 / 1M |
| 输出价格 | $4.500 / 1M | $2.500 / 1M |
| 总输入令牌 | 34,244 | 41,313 |
| 输出令牌 | 2,541 | 1,923 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.13s | 1.11s |
| 响应时间（最大） | 2.52s | 6.04s |
| 响应时间（总计） | 23.82s | 19.96s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#160 xAI: Grok 4.20
none- 成本
- $0.004
- 时间
- 6.5s
- 令牌
- 1,367 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 | 3.1 | 8.1 | 8.3% | 1 | 929ms | 606 | 654 | 0 | |
| Grok 4.20 | 4.8 | 10.0 | 25.0% | 0 | 501ms | 1,986 | 267 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 5.5 | 10.0 | 33.3% | 0 | 913ms | 7,305 | 401 | 0 | |
| Grok 4.20 | 1.1 | 3.1 | 0.0% | 0 | 1.22s | 1,074 | 312 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 2.52s | 11,019 | 298 | 0 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 6.04s | 17,673 | 282 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 1.30s | 7,140 | 222 | 0 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 522ms | 7,749 | 207 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.5 | 4.4 | 33.3% | 2 | 937ms | 723 | 88 | 0 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 687ms | 1,746 | 325 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.8 | 10.0 | 0.0% | 0 | 1.82s | 477 | 174 | 0 | |
| Grok 4.20 | 4.8 | 10.0 | 0.0% | 0 | 659ms | 819 | 83 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 6.3 | 10.0 | 50.0% | 0 | 728ms | 660 | 101 | 0 | |
| Grok 4.20 | 6.3 | 10.0 | 50.0% | 0 | 445ms | 1,350 | 60 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 5.4 | 10.0 | 33.3% | 0 | 836ms | 642 | 305 | 0 | |
| Grok 4.20 | 5.3 | 10.0 | 33.3% | 0 | 473ms | 1,671 | 198 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 2.32s | 5,477 | 255 | 0 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.63s | 7,245 | 189 | 0 |
| 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 | 1.33s | 195 | 43 | 0 | |
| Grok 4.20 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | 0 |
快速对比
切换对比组合
Grok 4.20nonevsGLM 4.7 FlashmediumMiniMax M2.7mediumvsGPT-5.4 MininoneMistral Small 4mediumvsGPT-5.4 MininoneQwen3 Coder NextmediumvsGrok 4.20noneMiniMax M2.5mediumvsGrok 4.20noneCobuddymediumvsGPT-5.4 MininoneNorth Mini Codemedium免费可用vsGPT-5.4 MininoneCobuddymediumvsGrok 4.20noneMiniMax M2.5mediumvsGPT-5.4 MininoneQwen3.5-9BmediumvsGrok 4.20noneGPT-5.4 MininonevsQwen3 Coder NextmediumMistral Small 4mediumvsGrok 4.20none