AI BENCHY Compare

OpenAI: GPT-5.4 Mini vs Elephant

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-04-14

Métrica	GPT-5.4 Mini GPT-5.4 Mini none Lanzamiento: 2026-03-17	Elephant Elephant medium Lanzamiento: 2026-04-14

Métrica	GPT-5.4 Mini GPT-5.4 Mini none Lanzamiento: 2026-03-17	Elephant Elephant medium Lanzamiento: 2026-04-14
Puntuación	5.1	5.2
Rango	#82	#77
Consistencia	8.6	9.6
Pruebas correctas
Tasa de aciertos por intento	35.2%	29.6%
Pruebas inestables	3	1
Ejecuciones totales	54	54
Costo por resultado	0.630	0.000
Costo total	$0.032	$0.000
Precio de entrada	$0.750 / 1M	$0.000 / 1M
Precio de salida	$4.500 / 1M	$0.000 / 1M
Tokens de salida	2,418	2,596
Tokens de razonamiento	0	0
Tiempo de respuesta (promedio)	1.17s	1.27s
Tiempo de respuesta (máximo)	2.52s	3.70s
Tiempo de respuesta (total)	21.01s	22.82s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-5.4 Mini	3.1	8.1	8.3%	1		929ms	654	0
Elephant	6.6	10.0	50.0%	0		1.19s	815	0

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-5.4 Mini	10.0	10.0	100.0%	0		1.19s	333	0
Elephant	5.1	3.3	33.3%	1		1.30s	365	0

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-5.4 Mini	3.0	10.0	0.0%	0		2.52s	298	0
Elephant	3.0	10.0	0.0%	0		3.70s	562	0

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-5.4 Mini	10.0	10.0	100.0%	0		1.30s	222	0
Elephant	6.5	10.0	50.0%	0		979ms	246	0

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-5.4 Mini	3.5	4.4	33.3%	2		937ms	88	0
Elephant	3.0	10.0	0.0%	0		925ms	24	0

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-5.4 Mini	4.8	10.0	0.0%	0		1.82s	174	0
Elephant	4.3	10.0	0.0%	0		920ms	105	0

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-5.4 Mini	6.3	10.0	50.0%	0		728ms	101	0
Elephant	9.8	10.0	100.0%	0		987ms	82	0

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-5.4 Mini	5.4	10.0	33.3%	0		860ms	293	0
Elephant	3.7	10.0	0.0%	0		867ms	166	0

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de salida	Tokens de razonamiento
GPT-5.4 Mini	3.0	10.0	0.0%	0		2.32s	255	0
Elephant	3.0	10.0	0.0%	0		2.83s	231	0

Comparación rápida

Cambiar par de comparación

ElephantmediumvsGrok 4.20none Mistral Small 4nonevsElephantmedium gpt-oss-120bnoneDisponible gratisvsElephantmedium Trinity Large PreviewnoneDisponible gratisvsElephantmedium ElephantmediumvsQwen3 Coder Nextnone MiniMax M2.7mediumvsGPT-5.4 Mininone Nemotron 3 SupernoneDisponible gratisvsElephantmedium ElephantmediumvsGLM 5 Turbonone Kimi K2.5nonevsElephantmedium ElephantmediumvsGLM 5.1none ElephantmediumvsGLM 4.7 Flashnone GPT-4o-mininonevsElephantmedium