नेव्हिगेशन
AI BENCHY
Advertise here

तुलना केलेली मॉडेल्स

GPT-5.4 (medium) vs GPT-5.3-Codex (medium) vs GPT-5.2 (medium) benchmark तुलना: GPT-5.3-Codex (medium) स्कोअर मध्ये 8.9 सह आघाडीवर आहे. GPT-5.4 (medium) विश्वसनीयता मध्ये 10.0 सह आघाडीवर आहे. GPT-5.3-Codex (medium) चे एकूण खर्च सर्वात कमी आहे: $0.920. GPT-5.3-Codex (medium) 16.96s वर सर्वात जलद आहे.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-08-07

क्रमांक
#29
एकूण आउटपुट टोकन्स
88,670
प्रतिसाद वेळ (सरासरी)
23.10s
एकूण खर्च
$1.533
क्रमांक
#18
एकूण आउटपुट टोकन्स
55,525
प्रतिसाद वेळ (सरासरी)
16.96s
एकूण खर्च
$0.920
क्रमांक
#33
एकूण आउटपुट टोकन्स
54,782
प्रतिसाद वेळ (सरासरी)
22.62s
एकूण खर्च
$0.951
शिफारस केलेले मॉडेल GPT-5.3-Codex (medium)

It has the strongest score in this comparison (8.9) and the best overall balance of cost and response time across all 3 models.

तपशीलवार तुलना

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 8.5 8.9 8.4
क्रमांक #29 #18 #33
विश्वसनीयता 10.0 10.0 10.0
सुसंगतता 8.6 8.6 8.5
बेंचमार्क कव्हरेज 22/22 चाचण्या · 66/66 प्रयत्न 22/22 चाचण्या · 66/66 प्रयत्न 22/22 चाचण्या · 66/66 प्रयत्न
बरोबर चाचण्या
प्रति प्रयत्न पास दर 77.3% 83.3% 72.7%
अस्थिर चाचण्या 4 4 4
एकूण रन 66 66 66
प्रति निकाल खर्च 10.220 5.748 6.791
एकूण खर्च $1.533 $0.920 $0.951
इनपुट किंमत $2.500 / 1M $1.750 / 1M $1.750 / 1M
आउटपुट किंमत $15.000 / 1M $14.000 / 1M $14.000 / 1M
एकूण इनपुट टोकन्स 81,127 81,268 105,004
आउटपुट टोकन्स 6,155 6,251 9,914
रिझनिंग टोकन्स 82,515 49,274 44,868
प्रतिसाद वेळ (सरासरी) 23.10s 16.96s 22.62s
प्रतिसाद वेळ (कमाल) 100.41s 100.93s 102.93s
प्रतिसाद वेळ (एकूण) 508.26s 373.19s 339.28s

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#29 GPT-5.4

medium
खर्च
$0.214
वेळ
199.6s
टोकन्स
14,349 tok

#18 GPT-5.3-Codex

medium
खर्च
$0.049
वेळ
54.9s
टोकन्स
3,580 tok

#33 GPT-5.2

medium
खर्च
$0.047
वेळ
49.2s
टोकन्स
3,396 tok

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

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
GPT-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890
GPT-5.2 10.0 10.0 100.0% 0 22.73s 7,302 511 11,912

झटपट तुलना

तुलना जोडी बदला