#86 GPT-5.5
none- Cost
- $0.090
- Time
- 54.3s
- Tokens
- 3,063 tok
OpenAI
Veröffentlichung: 2026-04-24
Getestet am: 2026-05-22 00:19
openai/gpt-5.5::none
Zusammenfassung
GPT-5.5 erreicht 6.5 bei AI BENCHY und liegt auf #86. Das Modell hat 10.0 Zuverlässigkeit, 56.7% Erfolgsrate, $0.217 Gesamtkosten und 1.94s durchschnittliche Antwortzeit.
Was GPT-5.5 besonders macht: Am stärksten ist es in Allgemeine Intelligenz, wo es #1 erreicht; am schwächsten ist Befolgung von Anweisungen mit #8.
6.5
Konsistenz
8.7
10.0
Gesamte Ausgabe-Token
1,949
Gesamte Eingabe-Token
0
Eingabepreis
$5.000 / 1M
Ausgabepreis
$30.000 / 1M
Instabile Tests
3
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 13:46 Neuer Test hinzugefügt | 6.4 | 10.0 | $0.231 | Vergleichen | |
| 2026-05-22 00:19 Suite geändert | 6.5 | 10.0 | $0.217 | Aktueller Lauf | |
| 2026-04-24 19:59 Erster Lauf | 6.8 | k. A. | $0.195 | 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) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:19 · Suite geändert | 6.5 | 8.7 | 10.0 | 10/20 | 3 | 1,949 | 0 | $0.217 | 1.94s |
| 2026-06-04 13:46 · Neuer Test hinzugefügt | 6.4 | 8.8 | 10.0 | 10/21 | 3 | 1,971 | 34,212 | $0.231 | 1.89s |
| Differenz | +0.1 | -0.1 | 0.0 | 0 | 0 | -22 | -34212 | -$0.014 | +55ms |
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 | 6.9 | 7.9 | |
| Programmierung | 6.8 | 10.0 | |
| Kombiniert | 3.0 | 10.0 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 2.9 | 7.2 | |
| Allgemeine Intelligenz | 10.0 | 10.0 | |
| Befolgung von Anweisungen | 6.2 | 5.8 | |
| Rätsellösen | 7.7 | 10.0 | |
| Werkzeugaufrufe | 10.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |