#10 GPT-5.5
low- Cost
- $0.068
- Time
- 37.0s
- Tokens
- 2,339 tok
OpenAI
Veröffentlichung: 2026-04-24
Getestet am: 2026-05-08 15:31
openai/gpt-5.5::low
Zusammenfassung
GPT-5.5 erreicht 8.9 bei AI BENCHY und liegt auf #10. Das Modell hat 10.0 Zuverlässigkeit, 84.2% Erfolgsrate, $0.706 Gesamtkosten und 8.80s durchschnittliche Antwortzeit.
8.9
Konsistenz
10.0
10.0
Gesamte Ausgabe-Token
18,922
Gesamte Eingabe-Token
0
Eingabepreis
$5.000 / 1M
Ausgabepreis
$30.000 / 1M
Instabile Tests
0
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-06-04 13:47 Neuer Test hinzugefügt | 9.0 | 10.0 | $0.907 | Vergleichen | |
| 2026-05-22 13:31 Suite geändert | 8.9 | 10.0 | $0.822 | Vergleichen | |
| 2026-05-08 15:31 Suite geändert | 8.9 | 10.0 | $0.706 | Aktueller Lauf | |
| 2026-04-26 10:23 Erster Lauf | 9.0 | 10.0 | $0.681 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:31 · Suite geändert | 8.9 | 10.0 | 10.0 | 16/19 | 0 | 18,922 | 0 | $0.706 | 8.80s |
| 2026-06-04 13:47 · Neuer Test hinzugefügt | 9.0 | 10.0 | 10.0 | 18/21 | 0 | 24,506 | 34,209 | $0.907 | 9.76s |
| Differenz | -0.1 | 0.0 | 0.0 | -2 | 0 | -5584 | -34209 | -$0.201 | -955ms |
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
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 10.0 | 10.0 | |
| Programmierung | 10.0 | 10.0 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 5.3 | 10.0 | |
| Allgemeine Intelligenz | 10.0 | 10.0 | |
| Befolgung von Anweisungen | 9.9 | 10.0 | |
| Rätsellösen | 10.0 | 10.0 | |
| Werkzeugaufrufe | 10.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |