#86 GPT-5.5
none- Cost
- $0.090
- Time
- 54.3s
- Tokens
- 3,063 tok
OpenAI
Lanzamiento: 2026-04-24
Probado el: 2026-05-22 00:19
openai/gpt-5.5::none
Resumen
GPT-5.5 obtiene 6.5 en AI BENCHY y ocupa el puesto #86. Tiene fiabilidad 10.0, una tasa de aciertos de 56.7%, coste total de $0.217 y tiempo medio de respuesta de 1.94s.
Qué hace único a GPT-5.5: Destaca más en Inteligencia general, donde ocupa #1, mientras que Seguimiento de instrucciones es su área más débil con #8.
6.5
Consistencia
8.7
10.0
$0.217
Total de tokens de salida
1,949
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)
1.94s
Tiempo de respuesta (máximo): 5.56s
Tiempo de respuesta (total): 38.86s
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-06-04 13:46 Prueba nueva añadida | 6.4 | 10.0 | $0.231 | Comparar | |
| 2026-05-22 00:19 Suite modificada | 6.5 | 10.0 | $0.217 | Ejecución actual | |
| 2026-04-24 19:59 Primera ejecución | 6.8 | N/D | $0.195 | 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 | 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 00:19 · Suite modificada | 6.5 | 8.7 | 10.0 | 10/20 | 3 | 1,949 | 0 | $0.217 | 1.94s |
| 2026-06-04 13:46 · Prueba nueva añadida | 6.4 | 8.8 | 10.0 | 10/21 | 3 | 1,971 | 34,212 | $0.231 | 1.89s |
| Diferencia | +0.1 | -0.1 | 0.0 | 0 | 0 | -22 | -34212 | -$0.014 | +55ms |
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
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 6.9 | 7.9 | |
| Programación | 6.8 | 10.0 | |
| Combinado | 3.0 | 10.0 | |
| Análisis y extracción de datos | 10.0 | 10.0 | |
| Específico del dominio | 2.9 | 7.2 | |
| Inteligencia general | 10.0 | 10.0 | |
| Seguimiento de instrucciones | 6.2 | 5.8 | |
| Resolución de acertijos | 7.7 | 10.0 | |
| Llamada de herramientas | 10.0 | 10.0 | |
| Cultura general | 3.0 | 10.0 |