GPT-5.6 Sol vs Grok 4.20 (medium)

已对比模型

排名: #140
总输出令牌: 4,357
响应时间（平均）: 2.17s
总成本: $0.201

排名: #145
总输出令牌: 270,259
响应时间（平均）: 32.56s
总成本: $0.805

推荐模型 GPT-5.6 Sol

它在这里得分最高（7.0），同时成本比Grok 4.20 (medium)低约 4.0 倍。

详细对比

指标	GPT-5.6 Sol GPT-5.6 Sol none 发布日期: 2026-07-09	Grok 4.20 Grok 4.20 medium 发布日期: 2026-03-31

指标	GPT-5.6 Sol GPT-5.6 Sol none 发布日期: 2026-07-09	Grok 4.20 Grok 4.20 medium 发布日期: 2026-03-31
分数	7.0	7.0
排名	#140	#145
可靠性	10.0	10.0
一致性	9.0	8.2
尝试次数	66/66	66/66
测试正确
尝试通过率	63.6%	60.6%
不稳定测试	3	5
总运行次数	66	66
每个结果成本	4.365	10.365
总成本	$0.201	$0.805
输入价格	$2.000 / 1M	$1.250 / 1M
输出价格	$10.000 / 1M	$2.500 / 1M
总输入令牌	78,602	102,986
输出令牌	4,357	5,860
推理令牌	0	264,399
响应时间（平均）	2.17s	32.56s
响应时间（最大）	12.81s	199.66s
响应时间（总计）	47.66s	716.36s
参数量	~2T 总计 (~150B 激活)	~1T 总计 (~100B 激活)
开放状态	闭源	闭源

模型生成展示

Hamster playing table tennis

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

#140 GPT-5.6 Sol

none

成本: $0.116
时间: 78.7s
令牌: 3,944 tok

#145 SpaceXAI: 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

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		1.27s	606	154	0
Grok 4.20	8.2	7.9	83.3%	1		3.95s	2,010	287	8,312

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	5.5	10.0	33.3%	0		1.39s	7,302	390	0
Grok 4.20	6.3	6.6	55.6%	1		109.93s	8,307	268	103,150

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	6.5	10.0	50.0%	0		8.37s	55,394	2,881	0
Grok 4.20	8.7	6.9	83.3%	1		42.25s	71,267	3,776	44,009

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		1.53s	7,140	222	0
Grok 4.20	10.0	10.0	100.0%	0		4.17s	7,761	180	5,333

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	5.9	7.2	55.6%	1		1.44s	732	54	0
Grok 4.20	2.9	7.2	11.1%	1		49.71s	1,959	872	59,761

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	6.5	3.4	66.7%	1		1.52s	477	91	0
Grok 4.20	3.9	2.6	33.3%	1		24.48s	825	65	6,440

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	8.5	6.8	83.3%	1		1.33s	660	84	0
Grok 4.20	9.8	10.0	100.0%	0		4.26s	1,362	57	6,419

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	7.7	10.0	66.7%	0		1.49s	642	211	0
Grok 4.20	7.7	10.0	66.7%	0		6.22s	1,689	149	7,913

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		3.70s	5,454	246	0
Grok 4.20	3.0	10.0	0.0%	0		13.68s	7,275	197	6,620

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	3.0	10.0	0.0%	0		1.95s	195	24	0
Grok 4.20	3.0	10.0	0.0%	0		63.48s	531	9	16,442

快速对比

切换对比组合

GPT-5.6 SolnonevsGrok 4.3medium GPT-5.5nonevsGrok 4.20medium DeepSeek V3.2mediumvsGPT-5.6 Solnone GPT-5.6 SolnonevsGLM 5.1medium Mercury 2.5highvsGPT-5.6 Solnone Mercury 2mediumvsGPT-5.6 Solnone Claude Fable 5.1lowvsGrok 4.20medium GPT-5.6 SolnonevsSolar Pro 4high Seed-2.0-MinimediumvsGPT-5.6 Solnone Kimi K2.5mediumvsGPT-5.6 Solnone Seed-2.0-CodehighvsGrok 4.20medium Mercury 2.5highvsGrok 4.20medium