#44 GPT-5.2 Chat
none- लागत
- $0.010
- समय
- 15.3s
- टोकन
- 797 tok
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।
7.6
संगति
8.5
10.0
$0.355
कुल आउटपुट टोकन
21,371
कुल इनपुट टोकन
0
इनपुट कीमत
$1.750 / 1M
आउटपुट कीमत
$14.000 / 1M
अस्थिर टेस्ट
4
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
जनरेशन शोकेस
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
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।
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
| 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 |