Advertise here
#174

GPT-5.2 Chat

OpenAI रिलीज़: 2025-12-11 परीक्षण किया गया: 2026-10-01 01:52 openai/gpt-5.2-chat::none
~400B कुल (~17B सक्रिय)MoEबंद स्रोतअनुमानित

सारांश

GPT-5.2 Chat AI BENCHY पर 7.0 स्कोर करता है और #174 पर है। इसकी reliability 10.0, pass rate 66.7%, कुल लागत $0.594, और औसत response time 7.43s है।

GPT-5.2 Chat को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #3 है; जबकि स्वायत्त एजेंट कार्य इसकी सबसे कमजोर जगह है, जहाँ यह #16 पर है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित
पैरामीटर
~400B कुल (~17B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
लाइसेंस
-

सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

7.0

संगति

8.7

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.594

कुल आउटपुट टोकन

29,742

कुल इनपुट टोकन

101,104

इनपुट कीमत

$1.750 / 1M

आउटपुट कीमत

$14.000 / 1M

कैश पढ़ने की कीमत

$0.175 / 1M

कैश लिखने की कीमत

लागू नहीं

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

सही परीक्षण

गलत टेस्ट: 10

प्रति प्रयास पास दर: 66.7%

अस्थिर टेस्ट

4

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

7.43s

प्रतिक्रिया समय (अधिकतम): 38.52s

प्रतिक्रिया समय (कुल): 163.35s

गलत उत्तर: 6 API त्रुटि: 2 निर्देशों का पालन नहीं किया: 1 कोई उत्तर नहीं: 1

Hamster playing table tennis

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

#174 GPT-5.2 Chat

default
लागत
$0.010
समय
15.3s
टोकन
797 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-10-01 01:52 दोबारा परीक्षण 7.0 10.0 $0.594 वर्तमान रन
2026-07-16 22:40 नया टेस्ट जोड़ा गया 8.0 10.0 $0.604 तुलना करें
2026-06-04 13:47 नया टेस्ट जोड़ा गया 7.9 10.0 $0.393 तुलना करें
2026-05-22 00:19 सूट बदला गया 7.6 10.0 $0.355 तुलना करें
2026-04-11 01:44 पहला दर्ज रन 7.9 लागू नहीं $0.291 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-10-01 01:52 · वर्तमान रन69/69 प्रयास7.08.710.013/23429,742101,104$0.5947.43s
2026-06-04 13:47 · नया टेस्ट जोड़ा गया63/63 प्रयास7.98.910.014/21323,74434,212$0.3937.13s
अंतर—-0.9-0.20.0-1+1+5998+66892+$0.202+297ms

बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 63/63 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत कैश पढ़ने की कीमत कैश लिखने की कीमत
2026-08-14 12:51 $1.750 / 1M $14.000 / 1M लागू नहीं लागू नहीं
2026-10-01 18:33 $1.750 / 1M $14.000 / 1M $0.175 / 1M लागू नहीं

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

GPT-5.2 ChatdefaultvsMiMo-V2.5mediumGPT-5.2 ChatdefaultvsGemini 3.1 Flash Lite PreviewmediumGPT-5.2 ChatdefaultvsMiMo-V2.6-FlashlowGPT-5.2 ChatdefaultvsKimi K2.7 CodemediumGPT-5.2 ChatdefaultvsGLM 5.3 FlashXmediumGPT-5.2 ChatdefaultvsEmber-1lowGPT-5.2 ChatdefaultvsQwen3.8 Flash NextxhighGPT-5.2 ChatdefaultvsStep 5 PreviewhighGPT-5.2 ChatdefaultvsClaude Opus 5noneGPT-5.2 ChatdefaultvsQwen3.5-122B-A10Bmedium

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 3.0 10.0
एंटी-एआई ट्रिक्स 8.7 7.9
कोडिंग 8.8 7.8
संयुक्त 7.3 5.8
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.0 10.0
Samanya Buddhimatta 4.4 3.0
निर्देश पालन 9.8 10.0
पहेली समाधान 7.7 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल