#71 GPT-5.4
none- लागत
- $0.026
- समय
- 18.1s
- टोकन
- 1,792 tok
सारांश
GPT-5.4 AI BENCHY पर 5.9 स्कोर करता है और #71 पर है। इसकी reliability लागू नहीं, pass rate 42.6%, कुल लागत $0.104, और औसत response time 1.51s है।
GPT-5.4 को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। यह समान मॉडलों की तुलना में काफ़ी तेज है।
5.9
संगति
9.1
लागू नहीं
$0.104
कुल आउटपुट टोकन
2,317
कुल इनपुट टोकन
0
इनपुट कीमत
$2.500 / 1M
आउटपुट कीमत
$15.000 / 1M
अस्थिर टेस्ट
2
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
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 |
|---|---|---|---|---|---|
| 2026-07-16 22:33 नया टेस्ट जोड़ा गया | 5.8 | 10.0 | $0.397 | तुलना करें | |
| 2026-06-04 13:45 नया टेस्ट जोड़ा गया | 5.5 | 10.0 | $0.122 | तुलना करें | |
| 2026-05-22 00:18 सूट बदला गया | 5.6 | 10.0 | $0.115 | तुलना करें | |
| 2026-04-11 01:44 पहला दर्ज रन | 5.9 | लागू नहीं | $0.104 | वर्तमान रन |
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
GPT-5.4nonevsGPT-5 NanomediumGPT-5.4nonevsStep 3.5 FlashmediumGPT-5.4nonevsQwen3.5-35B-A3BnoneGPT-5.4nonevsQwen3.5 Plus 2026-04-20noneGPT-5.4nonevsGPT-5.6 TerranoneGPT-5.4nonevsGemini 3 Flash PreviewmediumGPT-5.4nonevsGemini 3.5 FlashhighGPT-5.4nonevsNemotron 3 Ultramediumनिःशुल्क उपलब्धGPT-5.4nonevsGPT-5.5low
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 3.2 | 8.0 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 7.2 | |
| Samanya Buddhimatta | 4.4 | 9.9 | |
| निर्देश पालन | 6.5 | 10.0 | |
| पहेली समाधान | 5.6 | 9.8 | |
| टूल कॉलिंग | 10.0 | 10.0 |