AI BENCHY 对比
OpenAI: GPT-5 Nano vs xAI: Grok 4.20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-10
| 指标 | GPT-5 Nano GPT-5 Nano medium | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 6.2 | 5.4 |
| 排名 | #85 | #115 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 7.0 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 57.9% | 35.2% |
| 不稳定测试 | 7 | 1 |
| 总运行次数 | 57 | 54 |
| 每个结果成本 | 0.856 | 1.574 |
| 总成本 | $0.069 | $0.095 |
| ???? | $0.050 / 1M | $1.250 / 1M |
| ???? | $0.400 / 1M | $2.500 / 1M |
| 输出令牌 | 5,214 | 1,967 |
| 推理令牌 | 162,432 | 0 |
| 响应时间（平均） | 42.13s | 1.11s |
| 响应时间（最大） | 204.02s | 6.04s |
| 响应时间（总计） | 505.59s | 20.02s |
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 | 4.8 | 10.0 | 25.0% | 0 | 501ms | 267 | 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 Nano | 6.7 | 3.5 | 66.7% | 1 | 40.73s | 480 | 12,992 | |
| Grok 4.20 | 3.4 | 9.3 | 0.0% | 0 | 1.22s | 312 | 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 Nano | 10.0 | 10.0 | 100.0% | 0 | 65.96s | 578 | 17,984 | |
| 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 Nano | 3.7 | 1.7 | 50.0% | 2 | 21.42s | 453 | 10,560 | |
| 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 Nano | 5.2 | 4.4 | 55.6% | 2 | 204.02s | 237 | 64,448 | |
| 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 Nano | 4.1 | 10.0 | 0.0% | 0 | 17.51s | 202 | 4,608 | |
| 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 Nano | 9.8 | 10.0 | 100.0% | 0 | 11.90s | 382 | 4,096 | |
| Grok 4.20 | 6.3 | 10.0 | 50.0% | 0 | 455ms | 60 | 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 Nano | 5.3 | 7.2 | 44.4% | 1 | 19.81s | 869 | 13,440 | |
| Grok 4.20 | 5.3 | 7.2 | 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 Nano | 10.0 | 10.0 | 100.0% | 0 | 33.30s | 558 | 6,976 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.63s | 189 | 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 Nano | 3.0 | 10.0 | 0.0% | 0 | 20.13s | 234 | 6,144 | |
| Grok 4.20 | - | - | - | - | - | - | - | - |
快速对比
切换对比组合
Gemma 4 26B A4Bnone免费可用vsGPT-5 NanomediumGemini 2.5 FlashnonevsGPT-5 NanomediumGPT-5 NanomediumvsMiMo-V2-OmninoneElephant AlphamediumvsGrok 4.20noneDeepSeek V4 PrononevsGPT-5 NanomediumMistral Small 4mediumvsGrok 4.20noneMiniMax M2.5medium免费可用vsGrok 4.20noneGPT-5 NanomediumvsGLM 5noneSeed-2.0-LitenonevsGPT-5 NanomediumGPT-5 NanomediumvsGLM 5V TurbononeGPT-5 NanomediumvsQwen3.5-FlashnoneGPT-5 NanomediumvsQwen3.5 Plus 2026-02-15none