导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.5 vs xAI: Grok Build 0.1

摘要

GPT-5.5 vs Grok Build 0.1 benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 7.6。 GPT-5.5 benchmark 成本更低，为 $0.907 vs $0.927。 GPT-5.5 更快，为 9.76s vs 49.90s，通过率为 85.7% vs 61.9%。

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 Build 0.1快约 5.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24 Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21
分数 9.3 7.6
排名 #4 #44
可靠性 10.0 10.0
一致性 10.0 9.9
测试正确
尝试通过率 85.7% 61.9%
不稳定测试 0 0
总运行次数 63 63
每个结果成本 5.035 7.124
总成本 $0.907 $0.927
输入价格 $5.000 / 1M $1.000 / 1M
输出价格 $30.000 / 1M $2.000 / 1M
总输入令牌 34,209 44,418
输出令牌 2,046 2,782
推理令牌 22,460 438,018
响应时间（平均） 9.76s 49.90s
响应时间（最大） 56.19s 252.69s
响应时间（总计） 204.92s 1047.92s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#4 GPT-5.5

low
成本
$0.068
时间
37.0s
令牌
2,339 tok

#44 xAI: Grok Build 0.1

medium
成本
$0.028
时间
81.3s
令牌
14,009 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-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
Grok Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Grok Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Grok Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Grok Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
Grok Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
Grok Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
Grok Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
Grok Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
Grok Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Grok Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

快速对比

切换对比组合

DeepSeek V4 ProhighvsGrok Build 0.1mediumGPT-5.5lowvsQwen3.7 MaxmediumGPT-5.3 ChatnonevsGrok Build 0.1mediumStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowClaude Opus 4.8lowvsGrok Build 0.1mediumGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewlowvsGrok Build 0.1mediumGemini 3 Flash PreviewmediumvsGPT-5.5lowClaude Sonnet 4.6nonevsGrok Build 0.1mediumClaude Opus 4.8nonevsGrok Build 0.1medium