#17 GPT-5.4
medium- Coste
- $0.214
- Tiempo
- 199.6s
- Tokens
- 14,349 tok
OpenAI
Lanzamiento: 2026-03-05
Probado el: 2026-04-11 01:44
openai/gpt-5.4::medium
~1.5T en total (~100B activos)MoECódigo cerradoEstimado
(medium)
(none)
Resumen
GPT-5.4 obtiene 8.2 en AI BENCHY y ocupa el puesto #17. Tiene fiabilidad N/D, una tasa de aciertos de 79.6%, coste total de $0.832 y tiempo medio de respuesta de 18.63s.
Datos del modelo
Investigado el 2026-08-12
- Parámetros
- ~1.5T en total (~100B activos)
- Arquitectura
- MoE
- Disponibilidad
- Código cerrado
- Licencia
- -
Mejor estimación basada en información pública; el proveedor no ha revelado todos los valores.
8.2
Consistencia
8.7
N/D
$0.832
Total de tokens de salida
50,901
Total de tokens de entrada
0
Precio de entrada
$2.500 / 1M
Precio de salida
$15.000 / 1M
Precio de lectura de caché
N/D
Precio de escritura de caché
N/D
Los precios de caché se aplican a los tokens de entrada. Las lecturas reutilizan instrucciones guardadas; las escrituras las almacenan y pueden costar más. Los tokens de salida usan el precio de salida.
Pruebas inestables
3
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
18.63s
Tiempo de respuesta (máximo): 100.41s
Tiempo de respuesta (total): 335.26s
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historial de ejecuciones
| Probado el | Puntuación | Fiabilidad | Pruebas correctas | Costo total | Comparar |
|---|---|---|---|---|---|
| 2026-08-14 02:16 Nueva prueba | 8.5 | 10.0 | $1.560 | Comparar | |
| 2026-07-16 22:34 Prueba nueva añadida | 8.5 | 10.0 | $1.533 | Comparar | |
| 2026-06-04 13:46 Prueba nueva añadida | 8.0 | 10.0 | $1.210 | Comparar | |
| 2026-05-22 00:19 Suite modificada | 7.9 | 10.0 | $1.140 | Comparar | |
| 2026-04-11 01:44 Primera ejecución registrada | 8.2 | N/D | $0.832 | Ejecución actual |
Comparación de ejecuciones
| Ejecución | Cobertura del benchmark | Puntuación | Consistencia | Fiabilidad | Pruebas correctas | Pruebas inestables | Total de tokens de salida | Total de tokens de entrada | Costo total | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · Primera ejecución registrada | 54/54 intentos | 8.2 | 8.7 | N/D | 13/18 | 3 | 50,901 | 0 | $0.832 | 18.63s |
| 2026-05-22 00:19 · Suite modificada | 60/60 intentos | 7.9 | 8.5 | 10.0 | 13/20 | 4 | 70,725 | 0 | $1.140 | 22.31s |
| Diferencia | — | +0.3 | +0.2 | 0 | -1 | -19824 | 0 | -$0.308 | -3682ms |
La cobertura del benchmark difiere: 54/54 intentos (Objetivo: 3 repeticiones por prueba) frente a 60/60 intentos (Objetivo: 3 repeticiones por prueba). Los totales y las métricas sensibles a las repeticiones no son directamente comparables.
Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.
Gráficos
Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.
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
Comparación rápida
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
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 8.3 | 10.0 | |
| Programación | 10.0 | 10.0 | |
| Combinado | 10.0 | 10.0 | |
| Análisis y extracción de datos | 10.0 | 10.0 | |
| Específico del dominio | 5.3 | 7.2 | |
| Inteligencia general | 4.7 | 3.1 | |
| Seguimiento de instrucciones | 10.0 | 10.0 | |
| Resolución de acertijos | 8.2 | 7.2 | |
| Llamada de herramientas | 10.0 | 10.0 |