Advertise here
#128

GPT-5.4 Mini

OpenAI रिलीज़: 2026-03-17 परीक्षण किया गया: 2026-10-01 09:27 openai/gpt-5.4-mini::medium
~400B कुल (~17B सक्रिय)MoEबंद स्रोतअनुमानित
(medium) (none)

सारांश

GPT-5.4 Mini AI BENCHY पर 7.9 स्कोर करता है और #128 पर है। इसकी reliability 10.0, pass rate 69.6%, कुल लागत $1.102, और औसत response time 29.94s है।

GPT-5.4 Mini को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #3 है; जबकि टूल कॉलिंग इसकी सबसे कमजोर जगह है, जहाँ यह #15 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

7.9

संगति

8.2

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.102 ↑ +9.3%

परीक्षण के समय: $1.008

कुल आउटपुट टोकन

184,172

कुल इनपुट टोकन

238,925

इनपुट कीमत

$0.750 / 1M

आउटपुट कीमत

$4.500 / 1M

कैश पढ़ने की कीमत

$0.075 / 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: 69.6%

अस्थिर टेस्ट

5

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

प्रतिक्रिया समय (औसत)

29.94s

प्रतिक्रिया समय (अधिकतम): 138.75s

प्रतिक्रिया समय (कुल): 688.57s

गलत उत्तर: 6 निर्देशों का पालन नहीं किया: 3 अमान्य टूल कॉल: 1

Hamster playing table tennis

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

#128 GPT-5.4 Mini

medium
लागत
$0.056
समय
95.5s
टोकन
12,464 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-10-01 09:27 दोबारा परीक्षण 7.9 10.0 $1.102 ↑ वर्तमान रन
2026-07-16 22:38 नया टेस्ट जोड़ा गया 7.5 10.0 $0.756 तुलना करें
2026-06-04 13:47 नया टेस्ट जोड़ा गया 7.5 10.0 $0.526 तुलना करें
2026-05-22 00:21 सूट बदला गया 7.1 10.0 $0.487 तुलना करें
2026-04-11 01:44 पहला दर्ज रन 7.3 लागू नहीं $0.299 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 09:27 · वर्तमान रन69/69 प्रयास7.98.210.013/235184,172238,925$1.10229.94s
2026-04-11 01:44 · पहला दर्ज रन54/54 प्रयास7.37.4लागू नहीं9/18661,6980$0.29915.22s
अंतर—+0.7+0.8+4-1+122474+238925+$0.804+14721ms

बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 54/54 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 $0.750 / 1M $4.500 / 1M लागू नहीं लागू नहीं
2026-10-01 18:33 $0.750 / 1M $4.500 / 1M $0.075 / 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-5.4 MinimediumvsClaude Fable 5.1highGPT-5.4 MinimediumvsQwen3.7 MaxnoneGPT-5.4 MinimediumvsGLM 5.3 FlashXmaxGPT-5.4 MinimediumvsGemini 3.5 FlashmediumGPT-5.4 MinimediumvsQwen3.5-27BmediumGPT-5.4 MinimediumvsQwen3.8 2.4T A95BhighGPT-5.4 MinimediumvsGPT-5.6 TerralowGPT-5.4 MinimediumvsMiMo-V2.6-FlashmediumGPT-5.4 MinimediumvsQwen3.8 Flash NextlowGPT-5.4 MinimediumvsMuse Wondermax

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 10.0 10.0
एंटी-एआई ट्रिक्स 8.6 7.9
कोडिंग 8.4 7.4
संयुक्त 6.9 5.9
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.6 7.2
Samanya Buddhimatta 4.5 10.0
निर्देश पालन 9.8 10.0
पहेली समाधान 7.8 10.0
टूल कॉलिंग 4.7 1.6
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल