AI BENCHY Compare
OpenAI: GPT-4o-mini vs OpenAI: GPT-5.4
Bandingkan:
Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-05
| Metrik | OpenAI: GPT-4o-mini none Rilis: 2024-07-18 | OpenAI: GPT-5.4 none Rilis: 2026-03-05 |
|---|---|---|
| Peringkat | #46 | #44 |
| Skor Rata-rata | 4.1 | 4.6 |
| Tes benar | ||
| Konsistensi | 10.0 | 8.9 |
| Biaya per hasil | 0.111 | 1.496 |
| Total Biaya | $0.005 | $0.090 |
| Tingkat lulus per percobaan | 26.7% | 44.4% |
| Tes tidak stabil | 0 | 2 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| Token output | 1,528 | 1,635 |
| Token penalaran | 0 | 0 |
| Waktu respons (rata-rata) | 2.21s | 1.46s |
| Waktu respons (maks) | 7.58s | 2.89s |
| Waktu respons (total) | 17.69s | 21.86s |
Waktu respons (rata-rata)
Skor vs Total Biaya
Skor Rata-rata vs Waktu respons (rata-rata)
Rincian Kategori
| Trik anti-AI | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Waktu respons (rata-rata) | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 4.0 | 10.0 | 33.3% | 0 | 1.83s | 180 | 0 | |
| OpenAI: GPT-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 |
| Gabungan | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Waktu respons (rata-rata) | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 10.0 | 10.0 | 0.0% | 0 | 7.58s | 568 | 0 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 |
| Parsing dan ekstraksi data | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Waktu respons (rata-rata) | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 9.9 | 10.0 | 100.0% | 0 | 1.27s | 183 | 0 | |
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 |
| Spesifik domain | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Waktu respons (rata-rata) | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 10.0 | 10.0 | 0.0% | 0 | 637ms | 15 | 0 | |
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 |
| Kepatuhan instruksi | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Waktu respons (rata-rata) | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 4.5 | 10.0 | 0.0% | 0 | 1.27s | 69 | 0 | |
| OpenAI: GPT-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 |
| Puzzle Solving | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Waktu respons (rata-rata) | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 2.3 | 10.0 | 0.0% | 0 | 1.30s | 308 | 0 | |
| OpenAI: GPT-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 |
| Pemanggilan alat | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Waktu respons (rata-rata) | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 205 | 0 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 |
Perbandingan Cepat
Ganti Pasangan Perbandingan
MiniMax M2.5mediumvsGPT-5.4noneMiniMax M2.5mediumvsGPT-4o-mininoneGPT-4o-mininonevsQwen3 Coder NextmediumGPT-4o-mininonevsGLM 4.7 FlashmediumMercury 2mediumvsGPT-5.4noneGPT-5.4nonevsQwen3.5-35B-A3BmediumGPT-5.4nonevsQwen3 Coder NextmediumGPT-5.4nonevsGLM 4.7 FlashmediumMercury 2mediumvsGPT-4o-mininoneGPT-4o-mininonevsQwen3.5-35B-A3BmediumClaude Opus 4.6mediumvsGPT-5.4noneKimi K2.5mediumvsGPT-5.4none