AI BENCHY 对比
OpenAI: GPT-5 Mini vs xAI: Grok 4.20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-02
| 指标 | GPT-5 Mini GPT-5 Mini medium | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 6.8 | 5.4 |
| 排名 | #45 | #69 |
| 一致性 | 8.5 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 58.8% | 31.4% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 1.473 | 1.809 |
| 总成本 | $0.118 | $0.091 |
| ???? | $0.250 / 1M | $2.000 / 1M |
| ???? | $2.000 / 1M | $6.000 / 1M |
| 输出令牌 | 5,896 | 1,655 |
| 推理令牌 | 49,322 | 0 |
| 响应时间（平均） | 24.02s | 1.11s |
| 响应时间（最大） | 88.15s | 6.04s |
| 响应时间（总计） | 408.39s | 18.80s |
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 4.20 | 4.8 | 10.0 | 25.0% | 0 | 501ms | 267 | 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 | 3.0 | 10.0 | 0.0% | 0 | 6.04s | 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 | 10.0 | 10.0 | 100.0% | 0 | 12.58s | 453 | 3,200 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 522ms | 207 | 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 | 3.6 | 7.2 | 22.2% | 1 | 44.63s | 293 | 14,016 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 687ms | 325 | 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 | 4.5 | 10.0 | 0.0% | 0 | 13.50s | 349 | 1,856 | |
| Grok 4.20 | 4.8 | 10.0 | 0.0% | 0 | 659ms | 83 | 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 | 8.0 | 6.6 | 83.3% | 1 | 15.66s | 318 | 4,992 | |
| Grok 4.20 | 4.8 | 10.0 | 0.0% | 0 | 455ms | 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 | 5.6 | 9.8 | 33.3% | 0 | 14.09s | 1,527 | 5,760 | |
| Grok 4.20 | 5.3 | 7.4 | 44.4% | 1 | 487ms | 242 | 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 | 10.0 | 10.0 | 100.0% | 0 | 4.63s | 189 | 0 |
快速对比
切换对比组合
GPT-5 MinimediumvsQwen3.5 Plus 2026-02-15noneGemma 4 31BnonevsGPT-5 MinimediumGPT-5 MinimediumvsGLM 5noneMistral Small 4mediumvsGrok 4.20noneMiniMax M2.7mediumvsGrok 4.20noneGPT-5 MinimediumvsMiMo-V2-OmninoneClaude Sonnet 4.6nonevsGPT-5 MinimediumDeepSeek V3.2nonevsGPT-5 MinimediumMiniMax M2.5medium免费可用vsGrok 4.20noneQwen3 Coder NextmediumvsGrok 4.20nonegpt-oss-120bmedium免费可用vsGrok 4.20noneGrok 4.20nonevsGLM 4.7 Flashmedium