导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.6 Terra vs xAI: Grok Build 0.1

摘要

GPT-5.6 Terra (low) vs Grok Build 0.1 (medium) benchmark 对比：GPT-5.6 Terra (low) 平均分领先，为 7.7 vs 7.6。 GPT-5.6 Terra (low) benchmark 成本更低，为 $0.343 vs $0.927。 GPT-5.6 Terra (low) 更快，为 4.88s vs 49.90s，通过率为 74.6% vs 61.9%。

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 Build 0.1 (medium)低约 2.7 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 Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21
分数 7.7 7.6
排名 #47 #53
可靠性 10.0 10.0
一致性 8.1 9.9
测试正确
尝试通过率 74.6% 61.9%
不稳定测试 5 0
总运行次数 63 63
每个结果成本 2.637 7.124
总成本 $0.343 $0.927
输入价格 $2.500 / 1M $1.000 / 1M
输出价格 $15.000 / 1M $2.000 / 1M
总输入令牌 34,226 44,418
输出令牌 1,943 2,782
推理令牌 15,201 438,018
响应时间（平均） 4.88s 49.90s
响应时间（最大） 19.85s 252.69s
响应时间（总计） 102.53s 1047.92s

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

#53 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-5.6 Terra 8.3 10.0 75.0% 0 2.36s 606 171 602
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-5.6 Terra 6.6 4.6 77.8% 2 9.56s 7,302 429 6,821
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-5.6 Terra 10.0 10.0 100.0% 0 5.07s 11,019 312 349
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-5.6 Terra 10.0 10.0 100.0% 0 919ms 7,140 222 0
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-5.6 Terra 5.3 7.2 44.4% 1 8.34s 723 72 4,086
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-5.6 Terra 4.8 3.2 33.3% 1 3.52s 477 105 249
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-5.6 Terra 10.0 10.0 100.0% 0 1.48s 660 87 134
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-5.6 Terra 10.0 10.0 100.0% 0 4.46s 642 259 1,506
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-5.6 Terra 4.7 1.6 66.7% 1 6.69s 5,462 257 226
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-5.6 Terra 3.0 10.0 0.0% 0 5.95s 195 29 1,228
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

GPT-5.6 TerralowvsGrok 4.3mediumClaude Opus 4.6mediumvsGPT-5.6 TerralowDeepSeek V4 ProhighvsGrok Build 0.1mediumGPT-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 TerralowGPT-5.3 ChatnonevsGrok Build 0.1mediumMiniMax M3mediumvsGPT-5.6 TerralowGPT-5.6 LunahighvsGrok Build 0.1mediumStep 3.7 FlashlowvsGrok Build 0.1medium