AI BENCHY 对比

OpenAI: GPT-5 Mini vs xAI: Grok 4.5

摘要

GPT-5 Mini (medium) 平均分领先，为 8.5 vs 7.8。 GPT-5 Mini (medium) benchmark 成本更低，为 $0.159 vs $0.760。 Grok 4.5 (low) 更快，为 15.48s vs 23.64s，通过率为 63.5% vs 74.6%。

推荐模型GPT-5 Mini (medium)它在这里得分最高（8.5），同时成本比Grok 4.5 (low)低约 4.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	GPT-5 Mini GPT-5 Mini medium 发布日期: 2025-08-07	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08

指标	GPT-5 Mini GPT-5 Mini medium 发布日期: 2025-08-07	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数	8.5	7.8
排名	#19	#41
可靠性	10.0	10.0
一致性	9.1	9.7
测试正确
尝试通过率	63.5%	74.6%
不稳定测试	2	1
总运行次数	63	63
每个结果成本	1.319	5.061
总成本	$0.159	$0.760
输入价格	$0.250 / 1M	$2.000 / 1M
输出价格	$2.000 / 1M	$6.000 / 1M
总输入令牌	37,100	58,652
输出令牌	6,801	1,735
推理令牌	67,690	105,233
响应时间（平均）	23.64s	15.48s
响应时间（最大）	88.15s	205.28s
响应时间（总计）	496.44s	324.98s

生成展示

Hamster playing table tennis

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

#19 GPT-5 Mini

medium

成本: $0.007
时间: 42.9s
令牌: 3,432 tok

#41 xAI: Grok 4.5

low

成本: $0.011
时间: 12.4s
令牌: 2,018 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

类别:

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 Mini	7.1	7.6	66.7%	1		13.86s	606	1,715	6,378
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

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 Mini	10.0	10.0	100.0%	0		27.63s	7,302	658	17,152
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

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 Mini	10.0	10.0	100.0%	0		88.15s	14,118	754	11,520
Grok 4.5	3.0	10.0	0.0%	0		8.16s	15,084	261	2,370

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 Mini	10.0	10.0	100.0%	0		12.58s	7,140	453	3,200
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

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 Mini	3.6	7.2	22.2%	1		44.63s	515	293	14,016
Grok 4.5	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

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 Mini	4.5	10.0	0.0%	0		13.50s	477	349	1,856
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

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 Mini	10.0	10.0	100.0%	0		11.59s	660	310	3,968
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

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 Mini	5.6	9.8	33.3%	0		15.20s	642	1,622	6,144
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

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 Mini	10.0	10.0	100.0%	0		18.64s	5,445	487	1,600
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

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 Mini	3.0	10.0	0.0%	0		9.99s	195	160	1,856
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

快速对比

切换对比组合

Claude Sonnet 4.6mediumvsGrok 4.5low GPT-5.6 TerramediumvsGrok 4.5low Qwen3.6 PlusmediumvsGrok 4.5low Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Qwen3.5 Plus 2026-04-20mediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low Gemini 3.1 Flash LitemediumvsGrok 4.5low Kimi K2.6medium免费可用vsGrok 4.5low Qwen3.5-27BmediumvsGrok 4.5low Qwen3.5-122B-A10BmediumvsGrok 4.5low Claude Opus 4.6mediumvsGrok 4.5low GPT-5.6 LunahighvsGrok 4.5low