#17
OpenAI
रिलीज़: 2026-03-05
परीक्षण किया गया: 2026-04-11 01:44
openai/gpt-5.4::medium
(medium)
(none)
8.2
संगति
8.7
लागू नहीं
$0.832
कुल आउटपुट टोकन
50,901
कुल इनपुट टोकन
0
इनपुट कीमत
$2.500 / 1M
आउटपुट कीमत
$15.000 / 1M
अस्थिर टेस्ट
3
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-05-22 00:19 सूट बदला गया | 7.9 | 10.0 | $1.140 | तुलना करें | |
| 2026-04-11 01:44 पहला दर्ज रन | 8.2 | लागू नहीं | $0.832 | वर्तमान रन |
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · पहला दर्ज रन | 8.2 | 8.7 | लागू नहीं | 13/18 | 3 | 50,901 | 0 | $0.832 | 18.63s |
| 2026-05-22 00:19 · सूट बदला गया | 7.9 | 8.5 | 10.0 | 13/20 | 4 | 70,725 | 0 | $1.140 | 22.31s |
| अंतर | +0.3 | +0.2 | 0 | -1 | -19824 | 0 | -$0.308 | -3682ms |
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
GPT-5.4mediumvsGemma 4 31Bmediumनिःशुल्क उपलब्धGPT-5.4mediumvsQwen3.5-27BmediumGPT-5.4mediumvsGemini 3.5 FlashnoneGPT-5.4mediumvsSeed-2.0-LitemediumGPT-5.4mediumvsQwen3.7 MaxnoneGPT-5.4mediumvsGemini 3 Flash PreviewmediumGPT-5.4mediumvsGemini 3.5 FlashhighGPT-5.4mediumvsRing-2.6-1TmediumGPT-5.4mediumvsGemini 3.5 Flashlow
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 8.3 | 10.0 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 7.2 | |
| Samanya Buddhimatta | 4.7 | 3.1 | |
| निर्देश पालन | 10.0 | 10.0 | |
| पहेली समाधान | 8.2 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 |