#28 GPT-5.4
medium- Biaya
- $0.214
- Waktu
- 199.6s
- Token
- 14,349 tok
OpenAI
Rilis: 2026-03-05
Diuji pada: 2026-05-22 00:19
openai/gpt-5.4::medium
~1.5T total (~100B aktif)MoETertutupPerkiraan
(medium)
(none)
Ringkasan
GPT-5.4 mendapat skor 7.9 di AI BENCHY dan berada di peringkat #28. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 75.0%, total biaya $1.140, dan waktu respons rata-rata 22.31s.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- ~1.5T total (~100B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Tertutup
- Lisensi
- -
Perkiraan terbaik berdasarkan bukti publik; penyedia tidak mengungkapkan semua nilai.
7.9
Konsistensi
8.5
10.0
$1.140
Total token output
70,725
Total token input
0
Harga input
$2.500 / 1M
Harga output
$15.000 / 1M
Harga baca cache
T/A
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 tidak stabil
4
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 02:16 Uji ulang | 8.5 | 10.0 | $1.560 | Bandingkan | |
| 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 | Run saat ini | |
| 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
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:19 · Suite berubah | 60/60 percobaan | 7.9 | 8.5 | 10.0 | 13/20 | 4 | 70,725 | 0 | $1.140 | 22.31s |
| 2026-08-14 02:16 · Uji ulang | 66/66 percobaan | 8.5 | 8.6 | 10.0 | 15/22 | 4 | 90,466 | 81,136 | $1.560 | 22.85s |
| Selisih | — | -0.6 | -0.1 | 0.0 | -2 | 0 | -19741 | -81136 | -$0.421 | -546ms |
Cakupan benchmark berbeda: 60/60 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 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.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
Model teratas berdasarkan skor
Skor vs Total Biaya
Waktu respons (rata-rata)
Skor vs Waktu respons (rata-rata)
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 |
|---|---|---|---|
| Trik anti-AI | 8.3 | 10.0 | |
| Pemrograman | 8.2 | 6.7 | |
| 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 |