नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

तुलना केलेली मॉडेल्स

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-05-01

मेट्रिक GPT-5.4 GPT-5.4 medium प्रकाशन: 2026-03-05 GPT-5.3-Codex GPT-5.3-Codex medium प्रकाशन: 2026-02-05 GPT-5.2 GPT-5.2 medium प्रकाशन: 2025-12-11
स्कोअर 8.2 8.6 7.5
क्रमांक #23 #13 #54
विश्वसनीयता लागू नाही लागू नाही लागू नाही
सुसंगतता 8.7 8.7 8.1
बरोबर चाचण्या
प्रति प्रयत्न पास दर 79.6% 83.3% 72.2%
अस्थिर चाचण्या 3 3 4
एकूण रन 54 54 54
प्रति निकाल खर्च 6.399 4.405 3.193
एकूण खर्च $0.832 $0.573 $0.352
???? ??? $2.500 / 1M $1.750 / 1M $1.750 / 1M
????? ??? $15.000 / 1M $14.000 / 1M $14.000 / 1M
आउटपुट टोकन्स 2,169 2,279 2,705
रिझनिंग टोकन्स 48,732 35,179 18,977
प्रतिसाद वेळ (सरासरी) 18.63s 15.38s 14.04s
प्रतिसाद वेळ (कमाल) 100.41s 100.93s 77.80s
प्रतिसाद वेळ (एकूण) 335.26s 276.91s 154.41s

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

अँटी-एआय युक्त्या स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
GPT-5.4 8.3 10.0 75.0% 0 4.11s 240 1,511
GPT-5.3-Codex 8.7 7.9 91.7% 1 4.16s 240 1,722
GPT-5.2 6.5 8.0 58.3% 1 7.81s 567 2,002
कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
GPT-5.4 10.0 10.0 100.0% 0 13.03s 389 2,045
GPT-5.3-Codex 10.0 10.0 100.0% 0 8.95s 491 1,530
GPT-5.2 10.0 10.0 100.0% 0 15.12s 467 2,166
संयुक्त स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
GPT-5.4 10.0 10.0 100.0% 0 20.57s 301 3,543
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 364 2,731
GPT-5.2 10.0 10.0 100.0% 0 14.06s 291 1,757
डेटा पार्सिंग आणि निष्कर्षण स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
GPT-5.4 10.0 10.0 100.0% 0 5.32s 234 804
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.07s 234 728
GPT-5.2 10.0 10.0 100.0% 0 3.15s 234 420
डोमेन-विशिष्ट स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
GPT-5.4 5.3 7.2 44.4% 1 74.27s 61 34,748
GPT-5.3-Codex 5.9 7.2 55.6% 1 64.31s 64 25,308
GPT-5.2 5.9 7.2 55.6% 1 77.80s 42 10,342
Samanya Buddhimatta स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
GPT-5.4 4.7 3.1 33.3% 1 4.92s 145 321
GPT-5.3-Codex 4.6 10.0 0.0% 0 4.87s 187 331
GPT-5.2 3.7 9.7 0.0% 0 4.32s 162 269
सूचनांचे पालन स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
GPT-5.4 10.0 10.0 100.0% 0 3.11s 93 897
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 93 693
GPT-5.2 9.9 10.0 100.0% 0 3.12s 94 614
कोडी सोडवणे स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
GPT-5.4 8.2 7.2 88.9% 1 9.13s 442 3,832
GPT-5.3-Codex 9.0 7.9 88.9% 1 5.12s 352 1,644
GPT-5.2 7.7 7.3 77.8% 1 5.47s 609 938
टूल कॉलिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
GPT-5.4 10.0 10.0 100.0% 0 13.28s 264 1,031
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 254 492
GPT-5.2 4.7 1.6 66.7% 1 10.30s 239 469

झटपट तुलना

तुलना जोडी बदला