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：: 2026-05-10
| 指标 | GPT-5.4 GPT-5.4 none | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 5.7 | 5.4 |
| 排名 | #100 | #115 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 9.1 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 40.4% | 35.2% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 57 | 54 |
| 每个结果成本 | 1.493 | 1.574 |
| 总成本 | $0.105 | $0.095 |
| ???? | $2.500 / 1M | $1.250 / 1M |
| ???? | $15.000 / 1M | $2.500 / 1M |
| 输出令牌 | 2,357 | 1,967 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.48s | 1.11s |
| 响应时间（最大） | 2.95s | 6.04s |
| 响应时间（总计） | 28.20s | 20.02s |
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
Elephant AlphamediumvsGrok 4.20noneCobuddymedium免费可用vsGPT-5.4noneMistral Small 4mediumvsGrok 4.20noneMiniMax M2.5medium免费可用vsGrok 4.20noneMiniMax M2.5medium免费可用vsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneGPT-5.4nonevsElephant AlphamediumGPT-5.4nonevsOwl AlphamediumMiniMax M2.7mediumvsGrok 4.20nonegpt-oss-120bmedium免费可用vsGrok 4.20noneNemotron 3 Supermedium免费可用vsGPT-5.4noneCobuddymedium免费可用vsGrok 4.20none