Advertise here
#60

GPT-5.4

OpenAI Rilis: 2026-03-05 Diuji pada: 2026-10-01 01:43 openai/gpt-5.4::medium
~1.5T total (~100B aktif)MoETertutupPerkiraan
(medium) (none)

Ringkasan

GPT-5.4 mendapat skor 8.8 di AI BENCHY dan berada di peringkat #60. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 78.3%, total biaya $2.213, dan waktu respons rata-rata 24.81s.

Fakta model

Ditelaah pada 2026-08-12

Perkiraan
Parameter
~1.5T total (~100B aktif)
Arsitektur
MoE
Ketersediaan
Tertutup
Lisensi
-

Perkiraan terbaik berdasarkan bukti publik; penyedia tidak mengungkapkan semua nilai.

Sumber parameter Sumber ketersediaan

Skor

8.8

Konsistensi

8.7

Keandalan

10.0

Total biaya (harga saat ini)

$2.213 ↑ +10.3%

Diuji pada: $2.006

Total token output

96,502

Total token input

223,210

Harga input

$2.500 / 1M

Harga output

$15.000 / 1M

Harga baca cache

$0.250 / 1M

Harga tulis cache

T/A

Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.

Tes benar

Tes Salah: 7

Tingkat lulus per percobaan: 78.3%

Tes tidak stabil

4

Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).

Waktu respons (rata-rata)

24.81s

Waktu respons (maks): 100.41s

Waktu respons (total): 570.60s

Jawaban salah: 5 Tidak mengikuti instruksi: 2

Hamster playing table tennis

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

#60 GPT-5.4

medium
Biaya
$0.214
Waktu
199.6s
Token
14,349 tok

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya Bandingkan
2026-10-01 01:43 Uji ulang 8.8 10.0 $2.213 ↑ Run saat ini
2026-07-16 22:34 Tes baru ditambahkan 8.5 10.0 $1.533 Bandingkan
2026-06-04 13:46 Tes baru ditambahkan 8.0 10.0 $1.210 Bandingkan
2026-05-22 00:19 Suite berubah 7.9 10.0 $1.140 Bandingkan
2026-04-11 01:44 Run pertama yang tercatat 8.2 T/A $0.832 Bandingkan

Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.

Perbandingan run

RunCakupan benchmarkSkorKonsistensiKeandalanTes benarTes tidak stabilTotal token outputTotal token inputTotal BiayaWaktu respons (rata-rata)
2026-10-01 01:43 · Run saat ini69/69 percobaan8.88.710.016/23496,502223,210$2.21324.81s
2026-04-11 01:44 · Run pertama yang tercatat54/54 percobaan8.28.7T/A13/18350,9010$0.83218.63s
Selisih—+0.60.0+3+1+45601+223210+$1.381+6183ms

Cakupan benchmark berbeda: 69/69 percobaan (Target: 3 pengulangan per tes) dibanding 54/54 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.

Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.

Riwayat harga

Data harga historis untuk model ini dari OpenRouter.

Tanggal Harga input Harga output Harga baca cache Harga tulis cache
2026-08-14 12:51 $2.500 / 1M $15.000 / 1M T/A T/A
2026-10-01 18:33 $2.500 / 1M $15.000 / 1M $0.250 / 1M T/A

Grafik

Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.

Total token output

Skor vs Total token output

Perbandingan Cepat

GPT-5.4mediumvsQwen3.8 MAXlowGPT-5.4mediumvsMuse Spark OpenmediumGPT-5.4mediumvsPareto 26.9defaultGPT-5.4mediumvsDeepSeek V4.1 FlashhighGPT-5.4mediumvsClaude Fable 5mediumGPT-5.4mediumvsDeepSeek V4.1 FlashmediumGPT-5.4mediumvsMuse Spark 1.1mediumGPT-5.4mediumvsMuse Spark 1.2lowGPT-5.4mediumvsMuse Spark 1.2mediumGPT-5.4mediumvsGPT-5.2medium

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Tugas agen 10.0 10.0
Trik anti-AI 8.3 10.0
Pemrograman 8.8 7.8
Gabungan 10.0 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 5.3 7.2
Kecerdasan umum 4.7 3.1
Kepatuhan instruksi 10.0 10.0
Pemecahan teka-teki 8.2 7.2
Pemanggilan alat 10.0 10.0
Pengetahuan umum 3.0 10.0

Model yang Dibandingkan