नेविगेशन
AI BENCHY
Advertise here

तुलना किए गए मॉडल

GPT-5.4 (medium) vs GPT-5.3-Codex (medium) vs GPT-5.2 (medium) benchmark तुलना: GPT-5.3-Codex (medium) स्कोर में 8.9 के साथ आगे है। GPT-5.4 (medium) विश्वसनीयता में 10.0 के साथ आगे है। GPT-5.3-Codex (medium) का कुल लागत सबसे कम है: $0.920. GPT-5.3-Codex (medium) 16.96s पर सबसे तेज है।

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-08-07

रैंक
#29
कुल आउटपुट टोकन
88,670
प्रतिक्रिया समय (औसत)
23.10s
कुल लागत
$1.533
रैंक
#18
कुल आउटपुट टोकन
55,525
प्रतिक्रिया समय (औसत)
16.96s
कुल लागत
$0.920
रैंक
#33
कुल आउटपुट टोकन
54,782
प्रतिक्रिया समय (औसत)
22.62s
कुल लागत
$0.951
अनुशंसित मॉडल GPT-5.3-Codex (medium)

It has the strongest score in this comparison (8.9) and the best overall balance of cost and response time across all 3 models.

विस्तृत तुलना

मेट्रिक GPT-5.4 GPT-5.4 medium रिलीज़: 2026-03-05 GPT-5.3-Codex GPT-5.3-Codex medium रिलीज़: 2026-02-05 GPT-5.2 GPT-5.2 medium रिलीज़: 2025-12-11
स्कोर 8.5 8.9 8.4
रैंक #29 #18 #33
विश्वसनीयता 10.0 10.0 10.0
संगति 8.6 8.6 8.5
बेंचमार्क कवरेज 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास
सही परीक्षण
प्रति प्रयास पास दर 77.3% 83.3% 72.7%
अस्थिर टेस्ट 4 4 4
कुल रन 66 66 66
प्रति परिणाम लागत 10.220 5.748 6.791
कुल लागत $1.533 $0.920 $0.951
इनपुट कीमत $2.500 / 1M $1.750 / 1M $1.750 / 1M
आउटपुट कीमत $15.000 / 1M $14.000 / 1M $14.000 / 1M
कुल इनपुट टोकन 81,127 81,268 105,004
आउटपुट टोकन 6,155 6,251 9,914
रीजनिंग टोकन 82,515 49,274 44,868
प्रतिक्रिया समय (औसत) 23.10s 16.96s 22.62s
प्रतिक्रिया समय (अधिकतम) 100.41s 100.93s 102.93s
प्रतिक्रिया समय (कुल) 508.26s 373.19s 339.28s

मॉडल जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#29 GPT-5.4

medium
लागत
$0.214
समय
199.6s
टोकन
14,349 tok

#18 GPT-5.3-Codex

medium
लागत
$0.049
समय
54.9s
टोकन
3,580 tok

#33 GPT-5.2

medium
लागत
$0.047
समय
49.2s
टोकन
3,396 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
GPT-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890
GPT-5.2 10.0 10.0 100.0% 0 22.73s 7,302 511 11,912

त्वरित तुलना

तुलना जोड़ी बदलें