AI BENCHY 对比
OpenAI: GPT-5 Nano vs Grok 4.20 Multi Agent Beta
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-04
| 指标 | GPT-5 Nano GPT-5 Nano medium | Grok 4.20 Multi Agent Beta Grok 4.20 Multi Agent Beta medium |
|---|---|---|
| 分数 | 6.2 | 6.2 |
| 排名 | #54 | #55 |
| 一致性 | 6.7 | 7.2 |
| 测试正确 | ||
| 尝试通过率 | 58.8% | 54.9% |
| 不稳定测试 | 7 | 6 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 0.864 | 82.962 |
| 总成本 | $0.061 | $4.978 |
| ???? | $0.050 / 1M | $0.000 / 1M |
| ???? | $0.400 / 1M | $0.000 / 1M |
| 输出令牌 | 4,500 | 298,948 |
| 推理令牌 | 143,296 | 296,529 |
| 响应时间（平均） | 44.47s | 8.64s |
| 响应时间（最大） | 204.02s | 35.28s |
| 响应时间（总计） | 444.74s | 129.64s |
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 Nano | 6.5 | 7.9 | 58.3% | 1 | 25.50s | 1,221 | 21,184 | |
| Grok 4.20 Multi Agent Beta | 6.9 | 5.8 | 75.0% | 2 | 3.46s | 33,706 | 33,077 |
| 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 Nano | 10.0 | 10.0 | 100.0% | 0 | 65.96s | 578 | 17,984 | |
| Grok 4.20 Multi Agent Beta | 3.0 | 10.0 | 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 Nano | 3.7 | 1.7 | 50.0% | 2 | 21.42s | 453 | 10,560 | |
| Grok 4.20 Multi Agent Beta | 10.0 | 10.0 | 100.0% | 0 | 5.54s | 25,306 | 25,051 |
| 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 Nano | 5.2 | 4.4 | 55.6% | 2 | 204.02s | 237 | 64,448 | |
| Grok 4.20 Multi Agent Beta | 2.9 | 7.2 | 11.1% | 1 | 24.67s | 164,609 | 163,647 |
| 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 Nano | 4.1 | 10.0 | 0.0% | 0 | 17.51s | 202 | 4,608 | |
| Grok 4.20 Multi Agent Beta | 5.8 | 2.8 | 66.7% | 1 | 6.40s | 15,848 | 15,746 |
| 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 Nano | 8.5 | 6.8 | 83.3% | 1 | 11.90s | 382 | 4,096 | |
| Grok 4.20 Multi Agent Beta | 8.3 | 10.0 | 50.0% | 0 | 4.63s | 25,457 | 25,322 |
| 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 Nano | 5.3 | 7.2 | 44.4% | 1 | 19.81s | 869 | 13,440 | |
| Grok 4.20 Multi Agent Beta | 7.2 | 5.1 | 77.8% | 2 | 5.01s | 34,022 | 33,686 |
| 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 Nano | 10.0 | 10.0 | 100.0% | 0 | 33.30s | 558 | 6,976 | |
| Grok 4.20 Multi Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
Gemma 4 26B A4BnonevsGPT-5 NanomediumGemma 4 26B A4BnonevsGrok 4.20 Multi Agent BetamediumDeepSeek V3.2nonevsGPT-5 NanomediumDeepSeek V3.2nonevsGrok 4.20 Multi Agent BetamediumGPT-5 NanomediumvsMiMo-V2-OmninoneQwen3.5-FlashnonevsGrok 4.20 Multi Agent BetamediumGrok 4.20 Multi Agent BetamediumvsMiMo-V2-OmninoneGPT-5 NanomediumvsQwen3.5-FlashnoneGrok 4.20 Multi Agent BetamediumvsGLM 5V TurbononeSeed-2.0-LitenonevsGrok 4.20 Multi Agent BetamediumGPT-5 NanomediumvsGLM 5V TurbononeSeed-2.0-LitenonevsGPT-5 Nanomedium