OpenAI: GPT-5.6 Sol vs xAI: Grok 4.5

GPT-5.6 Sol (low) 平均分领先，为 9.5 vs 8.9。 GPT-5.6 Sol (low) benchmark 成本更低，为 $0.971 vs $1.707。 GPT-5.6 Sol (low) 更快，为 8.79s vs 76.50s，通过率为 86.4% vs 83.3%。

推荐模型GPT-5.6 Sol (low)它在这里得分最高（9.5），同时成本比Grok 4.5 (high)低约 1.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	GPT-5.6 Sol GPT-5.6 Sol low 发布日期: 2026-07-09	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08

指标	GPT-5.6 Sol GPT-5.6 Sol low 发布日期: 2026-07-09	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08
分数	9.5	8.9
排名	#3	#12
可靠性	10.0	10.0
一致性	9.2	9.2
测试正确
尝试通过率	86.4%	83.3%
不稳定测试	2	2
总运行次数	66	66
每个结果成本	5.391	10.041
总成本	$0.971	$1.707
输入价格	$5.000 / 1M	$2.000 / 1M
输出价格	$30.000 / 1M	$6.000 / 1M
总输入令牌	78,571	151,562
输出令牌	4,476	5,655
推理令牌	14,770	247,540
响应时间（平均）	8.79s	76.50s
响应时间（最大）	53.91s	676.83s
响应时间（总计）	193.33s	1683.07s

Hamster playing table tennis

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

#3 GPT-5.6 Sol

low

成本: $0.062
时间: 26.7s
令牌: 2,150 tok

#12 xAI: Grok 4.5

high

成本: $0.015
时间: 29.7s
令牌: 2,737 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

类别:

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-5.6 Sol	8.3	10.0	75.0%	0		2.60s	606	174	492
Grok 4.5	10.0	10.0	100.0%	0		5.67s	2,991	204	4,545

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-5.6 Sol	10.0	10.0	100.0%	0		11.25s	7,302	412	3,482
Grok 4.5	10.0	10.0	100.0%	0		155.16s	9,579	357	100,752

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-5.6 Sol	10.0	10.0	100.0%	0		14.58s	55,372	2,896	1,539
Grok 4.5	10.0	10.0	100.0%	0		35.56s	113,448	4,299	13,004

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-5.6 Sol	10.0	10.0	100.0%	0		1.82s	7,140	222	0
Grok 4.5	10.0	10.0	100.0%	0		7.63s	8,937	225	3,888

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-5.6 Sol	5.3	7.2	44.4%	1		29.07s	723	71	7,822
Grok 4.5	3.6	7.2	22.2%	1		332.11s	1,910	6	101,850

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-5.6 Sol	10.0	10.0	100.0%	0		3.07s	477	99	135
Grok 4.5	4.7	1.6	66.7%	1		9.82s	1,077	83	1,899

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-5.6 Sol	10.0	10.0	100.0%	0		2.27s	660	90	146
Grok 4.5	9.8	10.0	100.0%	0		6.23s	1,857	57	3,154

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-5.6 Sol	8.2	7.2	88.9%	1		3.44s	642	224	534
Grok 4.5	10.0	10.0	100.0%	0		7.88s	2,430	220	4,312

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-5.6 Sol	10.0	10.0	100.0%	0		7.56s	5,454	258	294
Grok 4.5	10.0	10.0	100.0%	0		5.71s	8,544	192	901

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-5.6 Sol	10.0	10.0	100.0%	0		3.67s	195	30	326
Grok 4.5	3.0	10.0	0.0%	0		60.58s	789	12	13,235

快速对比

切换对比组合

GPT-5.3-CodexmediumvsGrok 4.5high Gemini 3.5 FlashhighvsGPT-5.6 Sollow Gemini 3.5 FlashlowvsGrok 4.5high Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow GPT-5.5mediumvsGrok 4.5high Claude Opus 4.8mediumvsGrok 4.5high Gemini 3.5 FlashmediumvsGrok 4.5high Qwen3.7 MaxmediumvsGrok 4.5high Claude Opus 4.7mediumvsGrok 4.5high Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Sollow Muse Spark 1.1mediumvsGrok 4.5high Claude Fable 5mediumvsGrok 4.5high