AI BENCHY 对比
HY3 Preview vs Grok 4.20 Beta
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-26
| 指标 | HY3 Preview HY3 Preview high 免费可用 | Grok 4.20 Beta Grok 4.20 Beta medium |
|---|---|---|
| 分数 | 8.5 | 8.0 |
| 排名 | #11 | #31 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.8 | 9.1 |
| 测试正确 | ||
| 尝试通过率 | 81.5% | 74.1% |
| 不稳定测试 | 3 | 2 |
| 总运行次数 | 50 | 52 |
| 每个结果成本 | 0.000 | 5.269 |
| 总成本 | $0.000 | $0.633 |
| ???? | $0.000 / 1M | $0.000 / 1M |
| ???? | $0.000 / 1M | $0.000 / 1M |
| 输出令牌 | 238,920 | 1,568 |
| 推理令牌 | 0 | 91,909 |
| 响应时间（平均） | 55.19s | 9.81s |
| 响应时间（最大） | 149.94s | 31.36s |
| 响应时间（总计） | 938.23s | 176.62s |
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 |
|---|---|---|---|---|---|---|---|---|
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 32.69s | 26,550 | 0 | |
| Grok 4.20 Beta | 8.7 | 7.9 | 91.7% | 1 | 3.16s | 268 | 7,583 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 99.76s | 38,167 | 0 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 31.36s | 81 | 3,987 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 113.09s | 31,319 | 0 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 20.93s | 227 | 12,212 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| HY3 Preview | 6.5 | 10.0 | 50.0% | 0 | 12.11s | 4,323 | 0 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 4.01s | 180 | 5,281 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| HY3 Preview | 5.3 | 7.2 | 44.4% | 1 | 109.04s | 87,559 | 0 | |
| Grok 4.20 Beta | 5.3 | 10.0 | 33.3% | 0 | 21.33s | 251 | 40,255 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 24.31s | 5,490 | 0 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 5.78s | 72 | 3,440 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| HY3 Preview | 8.5 | 6.8 | 83.3% | 1 | 34.02s | 13,331 | 0 | |
| Grok 4.20 Beta | 8.3 | 10.0 | 50.0% | 0 | 4.97s | 57 | 7,107 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| HY3 Preview | 9.0 | 7.9 | 88.9% | 1 | 28.07s | 21,811 | 0 | |
| Grok 4.20 Beta | 8.2 | 7.2 | 88.9% | 1 | 3.85s | 249 | 6,660 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 78.83s | 10,370 | 0 | |
| Grok 4.20 Beta | 3.0 | 10.0 | 0.0% | 0 | 12.39s | 183 | 5,384 |
快速对比
切换对比组合
Qwen3.5 Plus 2026-02-15mediumvsHY3 Previewhigh免费可用Qwen3.6 Plus Previewmedium免费可用vsHY3 Previewhigh免费可用Qwen3.5-27BmediumvsHY3 Previewhigh免费可用GPT-5.3-CodexmediumvsHY3 Previewhigh免费可用Gemini 3 PRO PreviewmediumvsHY3 Previewhigh免费可用Seed-2.0-LitemediumvsHY3 Previewhigh免费可用HY3 Previewhigh免费可用vsGLM 5mediumGemma 4 31Bmedium免费可用vsHY3 Previewhigh免费可用Gemini 2.5 FlashmediumvsHY3 Previewhigh免费可用GPT-5.4mediumvsHY3 Previewhigh免费可用Gemini 3.1 Flash Lite PreviewmediumvsHY3 Previewhigh免费可用Gemini 3 Flash PreviewlowvsHY3 Previewhigh免费可用