AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#44

GPT-5.2 Chat

OpenAI रिलीज़: 2025-12-11 परीक्षण किया गया: 2026-05-22 00:19 openai/gpt-5.2-chat::none

सारांश

GPT-5.2 Chat AI BENCHY पर 7.6 स्कोर करता है और #44 पर है। इसकी reliability 10.0, pass rate 71.7%, कुल लागत $0.355, और औसत response time 6.86s है।

GPT-5.2 Chat को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि निर्देश पालन इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है।

संगति

8.5

कुल आउटपुट टोकन

21,371

कुल इनपुट टोकन

0

इनपुट कीमत

$1.750 / 1M

आउटपुट कीमत

$14.000 / 1M

सही परीक्षण

गलत टेस्ट: 8

प्रति प्रयास पास दर: 71.7%

अस्थिर टेस्ट

4

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

प्रतिक्रिया समय (औसत)

6.86s

प्रतिक्रिया समय (अधिकतम): 38.52s

प्रतिक्रिया समय (कुल): 137.19s

जनरेशन शोकेस

Hamster playing table tennis

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

#44 GPT-5.2 Chat

none
लागत
$0.010
समय
15.3s
टोकन
797 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत 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 वर्तमान रन
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।

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 8.7 7.9
कोडिंग 8.2 6.7
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 10.0
Samanya Buddhimatta 4.4 3.0
निर्देश पालन 7.3 5.9
पहेली समाधान 7.7 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल