AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#85

GPT 5.3 Chat

OpenAI रिलीज़: 2026-03-03 परीक्षण किया गया: 2026-08-14 02:24 openai/gpt-5.3-chat::none
~400B कुल (~17B सक्रिय)MoEबंद स्रोतअनुमानित

सारांश

GPT 5.3 Chat AI BENCHY पर 7.5 स्कोर करता है और #85 पर है। इसकी reliability 10.0, pass rate 65.2%, कुल लागत $0.533, और औसत response time 6.56s है।

GPT 5.3 Chat को अलग क्या बनाता है: यह पहेली समाधान में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डोमेन-विशिष्ट इसकी सबसे कमजोर जगह है, जहाँ यह #14 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।

संगति

8.6

कुल आउटपुट टोकन

28,179

कुल इनपुट टोकन

78,846

इनपुट कीमत

$1.750 / 1M

आउटपुट कीमत

$14.000 / 1M

सही परीक्षण

गलत टेस्ट: 9

प्रति प्रयास पास दर: 65.2%

अस्थिर टेस्ट

4

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

प्रतिक्रिया समय (औसत)

6.56s

प्रतिक्रिया समय (अधिकतम): 18.33s

प्रतिक्रिया समय (कुल): 137.77s

Hamster playing table tennis

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

#85 GPT 5.3 Chat

none
लागत
$0.008
समय
8.1s
टोकन
634 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-08-14 02:24 दोबारा परीक्षण 7.5 10.0 $0.533 वर्तमान रन
2026-07-16 22:40 नया टेस्ट जोड़ा गया 7.5 10.0 $0.571 तुलना करें
2026-06-04 13:47 नया टेस्ट जोड़ा गया 7.2 10.0 $0.433 तुलना करें
2026-05-22 00:20 दोबारा परीक्षण 7.4 10.0 $0.401 तुलना करें
2026-04-11 01:44 पहला दर्ज रन 7.7 लागू नहीं $0.340 तुलना करें

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

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-08-14 12:51 $1.750 / 1M $14.000 / 1M

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 6.7 8.1
कोडिंग 5.6 4.7
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 2.9 7.2
Samanya Buddhimatta 4.6 10.0
निर्देश पालन 9.8 10.0
पहेली समाधान 10.0 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल