AI BENCHY 对比
OpenAI: GPT-5 Mini vs xAI: Grok 4.20 Beta
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | GPT-5 Mini GPT-5 Mini medium | Grok 4.20 Beta Grok 4.20 Beta none |
|---|---|---|
| 排名 | #34 | #52 |
| 平均分 | 6.0 | 4.4 |
| 一致性 | 8.9 | 9.1 |
| 每个结果成本 | 1.457 | 2.214 |
| 总成本 | $0.117 | $0.089 |
| 测试正确 | ||
| 尝试通过率 | 58.3% | 33.3% |
| 不稳定测试 | 2 | 2 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 5,826 | 1,511 |
| 推理令牌 | 48,768 | 0 |
| 响应时间（平均） | 25.14s | 1.22s |
| 响应时间（最大） | 88.15s | 6.48s |
| 响应时间（总计） | 402.29s | 19.53s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 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 | 7.0 | 9.6 | 66.7% | 0 | 16.45s | 1,645 | 5,824 | |
| Grok 4.20 Beta | 3.3 | 7.9 | 22.2% | 1 | 562ms | 245 | 0 |
| 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 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 6.48s | 282 | 0 |
| 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 | 9.9 | 10.0 | 100.0% | 0 | 12.58s | 453 | 3,200 | |
| Grok 4.20 Beta | 9.9 | 10.0 | 100.0% | 0 | 601ms | 197 | 0 |
| 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 | 10.0 | 7.2 | 22.2% | 1 | 44.63s | 293 | 14,016 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 611ms | 160 | 0 |
| 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 | 4.0 | 10.0 | 0.0% | 0 | 13.50s | 349 | 1,856 | |
| Grok 4.20 Beta | 5.0 | 10.0 | 0.0% | 0 | 541ms | 87 | 0 |
| 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 | 7.5 | 6.6 | 83.3% | 1 | 15.66s | 318 | 4,992 | |
| Grok 4.20 Beta | 4.5 | 10.0 | 0.0% | 0 | 687ms | 60 | 0 |
| Puzzle Solving | 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 | 4.3 | 9.8 | 33.3% | 0 | 14.09s | 1,527 | 5,760 | |
| Grok 4.20 Beta | 4.0 | 7.2 | 55.6% | 1 | 541ms | 291 | 0 |
| 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 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 4.79s | 189 | 0 |
快速对比
切换对比组合
GPT-5 MinimediumvsGLM 5noneGPT-5 MinimediumvsQwen3.5 Plus 2026-02-15noneMiniMax M2.5mediumvsGrok 4.20 BetanoneDeepSeek V3.2nonevsGPT-5 Minimediumgpt-oss-120bmedium免费可用vsGrok 4.20 BetanoneClaude Sonnet 4.6nonevsGPT-5 MinimediumGPT-5 MinimediumvsQwen3.5-FlashnoneGemini 2.5 FlashnonevsGPT-5 MinimediumMercury 2mediumvsGrok 4.20 BetanoneQwen3 Coder NextmediumvsGrok 4.20 BetanoneGPT-5 MinimediumvsQwen3.5-122B-A10BnoneGemini 3.1 Flash Lite PreviewnonevsGPT-5 Minimedium