AI BENCHY 对比
OpenAI: GPT-5.4 vs xAI: Grok 4.20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-02
| 指标 | GPT-5.4 GPT-5.4 none | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 5.6 | 5.4 |
| 排名 | #64 | #69 |
| 一致性 | 9.0 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 39.2% | 31.4% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 1.573 | 1.809 |
| 总成本 | $0.095 | $0.091 |
| ???? | $2.500 / 1M | $2.000 / 1M |
| ???? | $15.000 / 1M | $6.000 / 1M |
| 输出令牌 | 1,837 | 1,655 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.43s | 1.11s |
| 响应时间（最大） | 2.89s | 6.04s |
| 响应时间（总计） | 24.27s | 18.80s |
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
快速对比
切换对比组合
Mistral Small 4mediumvsGPT-5.4noneMistral Small 4mediumvsGrok 4.20noneMiniMax M2.5medium免费可用vsGPT-5.4noneMiniMax M2.7mediumvsGrok 4.20noneMiniMax M2.5medium免费可用vsGrok 4.20noneQwen3 Coder NextmediumvsGrok 4.20noneGPT-5.4nonevsGrok 4.20 Multi Agent Betamediumgpt-oss-120bmedium免费可用vsGrok 4.20noneMiniMax M2.7mediumvsGPT-5.4noneMercury 2mediumvsGPT-5.4noneGrok 4.20nonevsGLM 4.7 FlashmediumGPT-5.4nonevsQwen3 Coder Nextmedium