导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.6 Terra vs xAI: Grok 4.3

摘要

GPT-5.6 Terra (low) vs Grok 4.3 (medium) benchmark 对比：平均分几乎持平，为 7.7 vs 7.7。 GPT-5.6 Terra (low) benchmark 成本更低，为 $0.343 vs $0.614。 GPT-5.6 Terra (low) 更快，为 4.88s vs 47.51s，通过率为 74.6% vs 71.4%。

推荐模型: GPT-5.6 Terra (low) - 它在这里得分最高（7.7），同时成本比Grok 4.3 (medium)低约 1.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 GPT-5.6 Terra GPT-5.6 Terra low 发布日期: 2026-07-09 Grok 4.3 Grok 4.3 medium 发布日期: 2026-05-01
分数 7.7 7.7
排名 #47 #46
可靠性 10.0 10.0
一致性 8.1 8.5
测试正确
尝试通过率 74.6% 71.4%
不稳定测试 5 4
总运行次数 63 63
每个结果成本 2.637 4.724
总成本 $0.343 $0.614
输入价格 $2.500 / 1M $1.250 / 1M
输出价格 $15.000 / 1M $2.500 / 1M
总输入令牌 34,226 44,472
输出令牌 1,943 1,981
推理令牌 15,201 221,382
响应时间（平均） 4.88s 47.51s
响应时间（最大） 19.85s 216.69s
响应时间（总计） 102.53s 997.68s

生成展示

Hamster playing table tennis

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

#47 GPT-5.6 Terra

low
成本
$0.034
时间
16.8s
令牌
2,348 tok

#46 xAI: Grok 4.3

medium
成本
$0.009
时间
19.0s
令牌
3,661 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-5.6 Terra 8.3 10.0 75.0% 0 2.36s 606 171 602
Grok 4.3 10.0 10.0 100.0% 0 8.83s 2,010 88 8,207
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 Terra 6.6 4.6 77.8% 2 9.56s 7,302 429 6,821
Grok 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226
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 Terra 10.0 10.0 100.0% 0 5.07s 11,019 312 349
Grok 4.3 10.0 10.0 100.0% 0 63.99s 12,909 234 15,301
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 Terra 10.0 10.0 100.0% 0 919ms 7,140 222 0
Grok 4.3 10.0 10.0 100.0% 0 18.97s 7,761 180 9,546
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 Terra 5.3 7.2 44.4% 1 8.34s 723 72 4,086
Grok 4.3 5.3 7.2 44.4% 1 181.74s 1,764 14 111,300
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 Terra 4.8 3.2 33.3% 1 3.52s 477 105 249
Grok 4.3 5.4 2.5 66.7% 1 24.70s 825 70 5,020
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 Terra 10.0 10.0 100.0% 0 1.48s 660 87 134
Grok 4.3 9.8 10.0 100.0% 0 18.58s 1,362 57 8,713
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 Terra 10.0 10.0 100.0% 0 4.46s 642 259 1,506
Grok 4.3 5.9 7.2 55.6% 1 22.52s 1,689 128 14,468
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 Terra 4.7 1.6 66.7% 1 6.69s 5,462 257 226
Grok 4.3 10.0 10.0 100.0% 0 17.66s 7,263 168 4,615
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 Terra 3.0 10.0 0.0% 0 5.95s 195 29 1,228
Grok 4.3 3.0 10.0 0.0% 0 44.47s 549 14 12,986

快速对比

切换对比组合

Claude Opus 4.6mediumvsGPT-5.6 TerralowStep 3.7 FlashlowvsGrok 4.3mediumClaude Opus 4.8lowvsGrok 4.3mediumGPT-5.6 LunahighvsGrok 4.3mediumGPT-5.6 TerralowvsQwen3.5-122B-A10BmediumKimi K2.6medium免费可用vsGPT-5.6 TerralowGemini 3.1 Flash LitemediumvsGPT-5.6 TerralowGPT-5.6 TerralowvsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 TerralowMiniMax M3mediumvsGPT-5.6 TerralowDeepSeek V4 ProhighvsGPT-5.6 TerralowClaude Sonnet 4.6mediumvsGPT-5.6 Terralow