#28 GPT-5.4
medium- Kosten
- $0.214
- Zeit
- 199.6s
- Token
- 14,349 tok
OpenAI
Veröffentlichung: 2026-03-05
Getestet am: 2026-05-22 00:19
openai/gpt-5.4::medium
~1.5T insgesamt (~100B aktiv)MoEGeschlossenGeschätzt
(medium)
(none)
Zusammenfassung
GPT-5.4 erreicht 7.9 bei AI BENCHY und liegt auf #28. Das Modell hat 10.0 Zuverlässigkeit, 75.0% Erfolgsrate, $1.140 Gesamtkosten und 22.31s durchschnittliche Antwortzeit.
Modelldaten
Recherchiert am 2026-08-12
- Parameter
- ~1.5T insgesamt (~100B aktiv)
- Architektur
- MoE
- Verfügbarkeit
- Geschlossen
- Lizenz
- -
Beste Schätzung auf Grundlage öffentlicher Informationen; der Anbieter hat nicht alle Werte offengelegt.
7.9
Konsistenz
8.5
10.0
Gesamte Ausgabe-Token
70,725
Gesamte Eingabe-Token
0
Eingabepreis
$2.500 / 1M
Ausgabepreis
$15.000 / 1M
Preis für Cache-Lesen
k. A.
Preis für Cache-Schreiben
k. A.
Cache-Preise gelten für Eingabetokens. Lesen nutzt gespeicherte Prompts erneut; Schreiben speichert sie und kann mehr kosten. Für Ausgabetokens gilt der Ausgabepreis.
Instabile Tests
4
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-08-14 02:16 Erneuter Test | 8.5 | 10.0 | $1.560 | Vergleichen | |
| 2026-07-16 22:34 Neuer Test hinzugefügt | 8.5 | 10.0 | $1.533 | Vergleichen | |
| 2026-06-04 13:46 Neuer Test hinzugefügt | 8.0 | 10.0 | $1.210 | Vergleichen | |
| 2026-05-22 00:19 Suite geändert | 7.9 | 10.0 | $1.140 | Aktueller Lauf | |
| 2026-04-11 01:44 Erster erfasster Lauf | 8.2 | k. A. | $0.832 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Benchmark-Abdeckung | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:19 · Suite geändert | 60/60 Versuche | 7.9 | 8.5 | 10.0 | 13/20 | 4 | 70,725 | 0 | $1.140 | 22.31s |
| 2026-06-04 13:46 · Neuer Test hinzugefügt | 63/63 Versuche | 8.0 | 8.6 | 10.0 | 14/21 | 4 | 74,949 | 34,108 | $1.210 | 22.35s |
| Differenz | — | -0.1 | -0.1 | 0.0 | -1 | 0 | -4224 | -34108 | -$0.070 | -39ms |
Die Benchmark-Abdeckung unterscheidet sich: 60/60 Versuche (Ziel: 3 Wiederholungen pro Test) gegenüber 63/63 Versuche (Ziel: 3 Wiederholungen pro Test). Summen und wiederholungsabhängige Metriken sind nicht direkt vergleichbar.
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Top-Modelle nach Score
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
GPT-5.4mediumvsQwen3.8 MAXlowGPT-5.4mediumvsMuse Spark OpenmediumGPT-5.4mediumvsPareto 26.9defaultGPT-5.4mediumvsDeepSeek V4.1 FlashhighGPT-5.4mediumvsClaude Fable 5mediumGPT-5.4mediumvsDeepSeek V4.1 FlashmediumGPT-5.4mediumvsMuse Spark 1.1mediumGPT-5.4mediumvsMuse Spark 1.2lowGPT-5.4mediumvsMuse Spark 1.2mediumGPT-5.4mediumvsGPT-5.2medium
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 8.3 | 10.0 | |
| Programmierung | 8.2 | 6.7 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 5.3 | 7.2 | |
| Allgemeine Intelligenz | 4.7 | 3.1 | |
| Befolgung von Anweisungen | 10.0 | 10.0 | |
| Rätsellösen | 8.2 | 7.2 | |
| Werkzeugaufrufe | 10.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |