AI BENCHY 对比
OpenAI: GPT-5 Mini vs xAI: Grok Build 0.1
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | GPT-5 Mini GPT-5 Mini medium | Grok Build 0.1 Grok Build 0.1 none |
|---|---|---|
| 分数 | 6.9 | 6.6 |
| 排名 | #73 | #82 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 8.0 |
| 测试正确 | ||
| 尝试通过率 | 60.0% | 60.4% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 60 | 57 |
| 每个结果成本 | 1.494 | 7.805 |
| 总成本 | $0.150 | $0.547 |
| ???? | $0.250 / 1M | $1.000 / 1M |
| ???? | $2.000 / 1M | $2.000 / 1M |
| 输出令牌 | 6,636 | 267,275 |
| 推理令牌 | 63,722 | 0 |
| 响应时间（平均） | 23.99s | 28.69s |
| 响应时间（最大） | 88.15s | 138.35s |
| 响应时间（总计） | 479.86s | 459.00s |
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 Build 0.1 | 8.7 | 7.9 | 91.7% | 1 | 6.30s | 11,162 | 0 |
| 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 | 30.74s | 580 | 12,544 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 21.41s | 16,568 | 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 Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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 Build 0.1 | 4.7 | 1.6 | 66.7% | 1 | 9.33s | 6,359 | 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 Build 0.1 | 3.6 | 7.2 | 22.2% | 1 | 103.71s | 179,469 | 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 Build 0.1 | 4.3 | 10.0 | 0.0% | 0 | 12.47s | 6,647 | 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 | 7.9 | 6.5 | 83.3% | 1 | 15.66s | 318 | 4,992 | |
| Grok Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 7.36s | 8,970 | 0 |
| 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 Build 0.1 | 6.4 | 7.7 | 55.6% | 1 | 9.55s | 14,982 | 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 Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
| 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 Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 36.09s | 23,118 | 0 |
快速对比
切换对比组合
Qwen3.6 27BmediumvsGrok Build 0.1noneDeepSeek V4 ProhighvsGrok Build 0.1noneKimi K2.5mediumvsGrok Build 0.1noneGemini 3.1 Flash LiteminimalvsGrok Build 0.1noneClaude Sonnet 4.6nonevsGPT-5 MinimediumGPT-5 MinimediumvsQwen3.6 Max PreviewnoneGemma 4 31Bnone免费可用vsGPT-5 MinimediumGemini 3.1 Flash LiteminimalvsGPT-5 MinimediumDeepSeek V4 ProhighvsGPT-5 MinimediumRing-2.6-1TnonevsGPT-5 MinimediumGrok Build 0.1nonevsMiMo-V2-OmnimediumMercury 2mediumvsGrok Build 0.1none