AI BENCHY 对比
OpenAI: GPT-5.5 vs xAI: Grok 4.20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-24
| 指标 | GPT-5.5 GPT-5.5 none | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| 分数 | 6.8 | 7.0 |
| 排名 | #58 | #55 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.3 | 7.8 |
| 测试正确 | ||
| 尝试通过率 | 61.1% | 66.7% |
| 不稳定测试 | 4 | 5 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 2.162 | 8.252 |
| 总成本 | $0.195 | $0.743 |
| ???? | $5.000 / 1M | $2.000 / 1M |
| ???? | $30.000 / 1M | $6.000 / 1M |
| 输出令牌 | 1,910 | 1,744 |
| 推理令牌 | 0 | 109,882 |
| 响应时间（平均） | 1.83s | 10.33s |
| 响应时间（最大） | 5.56s | 29.87s |
| 响应时间（总计） | 32.86s | 185.87s |
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
Nemotron 3 Supermedium免费可用vsGPT-5.5noneGemma 4 31Bnone免费可用vsGrok 4.20mediumGPT-5.5nonevsGrok 4.1 FastmediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumKimi K2.5mediumvsGPT-5.5noneMercury 2mediumvsGPT-5.5noneDeepSeek V4 PrononevsGrok 4.20mediumGrok 4.20mediumvsGLM 5noneClaude Sonnet 4.6nonevsGrok 4.20mediumGrok 4.20mediumvsMiMo-V2-OmninoneGPT-5.5nonevsQwen3.5-35B-A3BmediumGPT-5.3 ChatnonevsGrok 4.20medium