#4 GPT-5.5
low- 成本
- $0.068
- 时间
- 37.0s
- 令牌
- 2,339 tok
AI BENCHY 对比
OpenAI: GPT-5.5 vs xAI: Grok 4.20
摘要
GPT-5.5 vs Grok 4.20 benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 7.3。 Grok 4.20 benchmark 成本更低，为 $0.609 vs $0.907。 GPT-5.5 更快，为 9.76s vs 27.68s，通过率为 85.7% vs 63.5%。
推荐模型: GPT-5.5 - 它在这里得分最高（9.3），同时响应速度比Grok 4.20快约 2.8 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18
| 指标 | GPT-5.5 GPT-5.5 low | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| 分数 | 9.3 | 7.3 |
| 排名 | #4 | #53 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 8.8 |
| 测试正确 | ||
| 尝试通过率 | 85.7% | 63.5% |
| 不稳定测试 | 0 | 3 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 5.035 | 8.309 |
| 总成本 | $0.907 | $0.609 |
| 输入价格 | $5.000 / 1M | $1.250 / 1M |
| 输出价格 | $30.000 / 1M | $2.500 / 1M |
| 总输入令牌 | 34,209 | 44,433 |
| 输出令牌 | 2,046 | 1,819 |
| 推理令牌 | 22,460 | 219,524 |
| 响应时间（平均） | 9.76s | 27.68s |
| 响应时间（最大） | 56.19s | 199.66s |
| 响应时间（总计） | 204.92s | 581.26s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#53 xAI: Grok 4.20
medium- 成本
- $0.041
- 时间
- 110.3s
- 令牌
- 16,336 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
快速对比
切换对比组合
Gemini 3 Flash PreviewlowvsGrok 4.20mediumGPT-5.5lowvsQwen3.7 MaxmediumClaude Sonnet 4.6nonevsGrok 4.20mediumClaude Opus 4.8nonevsGrok 4.20mediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumGemini 3.5 FlashmediumvsGPT-5.5lowGrok 4.20mediumvsGLM 5.2noneStep 3.7 FlashhighvsGrok 4.20medium