AI BENCHY 对比
OpenAI: GPT-5.4 vs xAI: Grok 4.1 Fast
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-06
| 指标 | OpenAI: GPT-5.4 none 发布日期: 2026-03-05 | xAI: Grok 4.1 Fast medium 发布日期: 2025-11-19 |
|---|---|---|
| 平均分 | 4.6 | 6.4 |
| 排名 | #44 | #28 |
| 测试正确 | ||
| 一致性 | 8.9 | 7.8 |
| 每个结果成本 | 1.496 | 0.541 |
| 总成本 | $0.090 | $0.049 |
| 尝试通过率 | 44.4% | 71.1% |
| 不稳定测试 | 2 | 4 |
| common.totalRuns | 45 (15 x 3) | 45 (15 x 3) |
| 输出令牌 | 1,635 | 1,056 |
| 推理令牌 | 0 | 80,419 |
| 响应时间（平均） | 1.46s | 27.61s |
| 响应时间（最大） | 2.89s | 121.79s |
| 响应时间（总计） | 21.86s | 220.87s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 | |
| xAI: Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 5.65s | 102 | 4,021 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| xAI: Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 37.64s | 261 | 12,272 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| xAI: Grok 4.1 Fast | 9.9 | 10.0 | 100.0% | 0 | 6.63s | 180 | 5,409 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| xAI: Grok 4.1 Fast | 4.0 | 4.4 | 66.7% | 2 | 121.79s | 11 | 37,657 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| xAI: Grok 4.1 Fast | 5.5 | 10.0 | 50.0% | 0 | 5.30s | 55 | 3,489 |
| Puzzle Solving | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| xAI: Grok 4.1 Fast | 4.0 | 7.2 | 44.4% | 1 | 8.08s | 187 | 6,086 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| xAI: Grok 4.1 Fast | 10.0 | 1.6 | 33.3% | 1 | 27.71s | 260 | 11,485 |
快速对比
切换对比组合
Qwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumMiniMax M2.5mediumvsGPT-5.4noneClaude Sonnet 4.6nonevsGrok 4.1 FastmediumGemini 3 Flash PreviewnonevsGrok 4.1 FastmediumGrok 4.1 FastmediumvsGLM 5noneMercury 2mediumvsGPT-5.4noneGemini 3.1 Flash Lite PreviewnonevsGrok 4.1 FastmediumGPT-5.3 ChatnonevsGrok 4.1 FastmediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.1 FastmediumGemini 2.5 FlashnonevsGrok 4.1 FastmediumDeepSeek V3.2nonevsGrok 4.1 FastmediumGPT-5.4nonevsQwen3.5-35B-A3Bmedium