#11 GPT-5.5
medium- Coste
- $0.112
- Tiempo
- 71.9s
- Tokens
- 3,807 tok
OpenAI
Lanzamiento: 2026-04-24
Probado el: 2026-05-22 00:21
openai/gpt-5.5::medium
~1.5T en total (~100B activos)MoECódigo cerradoEstimado
Resumen
GPT-5.5 obtiene 8.7 en AI BENCHY y ocupa el puesto #11. Tiene fiabilidad 10.0, una tasa de aciertos de 86.7%, coste total de $3.503 y tiempo medio de respuesta de 37.89s.
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.
8.7
Consistencia
8.8
10.0
$3.503
Total de tokens de salida
111,483
Total de tokens de entrada
0
Precio de entrada
$5.000 / 1M
Precio de salida
$30.000 / 1M
Pruebas inestables
3
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
37.89s
Tiempo de respuesta (máximo): 332.10s
Tiempo de respuesta (total): 757.71s
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 02:22 Nueva prueba | 9.0 | 10.0 | $4.163 | Comparar | |
| 2026-07-16 22:37 Prueba nueva añadida | 9.0 | 10.0 | $4.137 | Comparar | |
| 2026-06-04 13:48 Prueba nueva añadida | 8.8 | 10.0 | $3.679 | Comparar | |
| 2026-05-22 00:21 Suite modificada | 8.7 | 10.0 | $3.503 | Ejecución actual | |
| 2026-04-24 20:23 Primera ejecución | 9.0 | N/D | $2.884 | Comparar |
Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:21 · Suite modificada | 60/60 intentos | 8.7 | 8.8 | 10.0 | 16/20 | 3 | 111,483 | 0 | $3.503 | 37.89s |
| 2026-04-24 20:23 · Primera ejecución | 54/54 intentos | 9.0 | 9.2 | N/D | 15/18 | 2 | 91,552 | 0 | $2.884 | 32.75s |
| Diferencia | — | -0.3 | -0.4 | +1 | +1 | +19931 | 0 | +$0.619 | +5131ms |
La cobertura del benchmark difiere: 60/60 intentos (Objetivo: 3 repeticiones por prueba) frente a 54/54 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-5.5mediumvsGemini 3.5 FlashmediumGPT-5.5mediumvsQwen3.8 MaxmediumGPT-5.5mediumvsClaude Fable 5.1highGPT-5.5mediumvsGrok 4.5highGPT-5.5mediumvsQwen3.7 MaxmediumGPT-5.5mediumvsGPT-5.3-CodexmediumGPT-5.5mediumvsSeed 2.1 TurbolowGPT-5.5mediumvsMuse Spark 1.3highGPT-5.5mediumvsGemini 3.8 FlashmediumGPT-5.5mediumvsSeed 2.1 Turbohigh
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 10.0 | 10.0 | |
| Programación | 8.2 | 6.7 | |
| Combinado | 10.0 | 10.0 | |
| Análisis y extracción de datos | 10.0 | 10.0 | |
| Específico del dominio | 5.3 | 7.2 | |
| Inteligencia general | 10.0 | 10.0 | |
| Seguimiento de instrucciones | 10.0 | 10.0 | |
| Resolución de acertijos | 10.0 | 10.0 | |
| Llamada de herramientas | 10.0 | 10.0 | |
| Cultura general | 2.8 | 1.6 |