AI BENCHY 对比
OpenAI: GPT-5 Mini vs Grok 4.1 Fast
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | GPT-5 Mini GPT-5 Mini medium | Grok 4.1 Fast Grok 4.1 Fast medium |
|---|---|---|
| 分数 | 6.8 | 6.5 |
| 排名 | #74 | #84 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 7.3 |
| 测试正确 | ||
| 尝试通过率 | 57.9% | 61.4% |
| 不稳定测试 | 3 | 6 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 1.460 | 0.644 |
| 总成本 | $0.132 | $0.058 |
| ???? | $0.250 / 1M | $0.000 / 1M |
| ???? | $2.000 / 1M | $0.000 / 1M |
| 输出令牌 | 6,539 | 2,025 |
| 推理令牌 | 55,338 | 96,679 |
| 响应时间（平均） | 23.24s | 24.01s |
| 响应时间（最大） | 88.15s | 121.79s |
| 响应时间（总计） | 441.55s | 288.18s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Mini | 7.1 | 7.6 | 66.7% | 1 | 13.86s | 1,715 | 6,378 | |
| Grok 4.1 Fast | 8.7 | 7.9 | 91.7% | 1 | 3.81s | 108 | 4,741 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Mini | 10.0 | 10.0 | 100.0% | 0 | 23.18s | 483 | 4,160 | |
| Grok 4.1 Fast | 2.3 | 1.1 | 33.3% | 1 | 23.58s | 821 | 6,703 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Mini | 10.0 | 10.0 | 100.0% | 0 | 88.15s | 754 | 11,520 | |
| Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 37.64s | 261 | 12,272 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Mini | 10.0 | 10.0 | 100.0% | 0 | 12.58s | 453 | 3,200 | |
| Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 6.63s | 180 | 5,409 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Mini | 3.6 | 7.2 | 22.2% | 1 | 44.63s | 293 | 14,016 | |
| Grok 4.1 Fast | 5.8 | 4.4 | 66.7% | 2 | 121.79s | 11 | 37,657 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Mini | 4.5 | 10.0 | 0.0% | 0 | 13.50s | 349 | 1,856 | |
| Grok 4.1 Fast | 4.2 | 9.9 | 0.0% | 0 | 16.25s | 127 | 3,456 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Mini | 7.9 | 6.5 | 83.3% | 1 | 15.66s | 318 | 4,992 | |
| Grok 4.1 Fast | 6.5 | 10.0 | 50.0% | 0 | 5.30s | 55 | 3,489 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Mini | 5.6 | 9.8 | 33.3% | 0 | 14.09s | 1,527 | 5,760 | |
| Grok 4.1 Fast | 5.3 | 7.2 | 44.4% | 1 | 8.08s | 187 | 6,086 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Mini | 10.0 | 10.0 | 100.0% | 0 | 18.64s | 487 | 1,600 | |
| Grok 4.1 Fast | 2.8 | 1.6 | 33.3% | 1 | 27.71s | 260 | 11,485 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Mini | 3.0 | 10.0 | 0.0% | 0 | 9.99s | 160 | 1,856 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 25.52s | 15 | 5,381 |
快速对比
切换对比组合
Grok 4.1 FastmediumvsGLM 5noneGemini 3.1 Flash LiteminimalvsGPT-5 MinimediumDeepSeek V4 ProhighvsGPT-5 MinimediumGemma 4 31Bnone免费可用vsGPT-5 MinimediumQwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumGemini 3.1 Flash LitenonevsGPT-5 MinimediumGrok 4.1 FastmediumvsMiMo-V2-OmninoneGemini 2.5 FlashnonevsGrok 4.1 FastmediumGemma 4 26B A4Bnone免费可用vsGrok 4.1 FastmediumGemini 3.1 Flash LitenonevsGrok 4.1 FastmediumGPT-5.5nonevsGrok 4.1 FastmediumGPT-5 MinimediumvsQwen3.5 Plus 2026-02-15none