नेव्हिगेशन
Advertise here

GPT-5.4 (medium) vs Pareto 26.9 (default)

Pareto 26.9 (default) average score मध्ये पुढे आहे: 8.9 vs 8.8. Pareto 26.9 (default) चा benchmark खर्च कमी आहे: $1.864 vs $2.213. GPT-5.4 (medium) वेगवान आहे: 24.81s vs 28.26s, pass rates 78.3% vs 79.7%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-15

तुलना केलेली मॉडेल्स

क्रमांक
#57
एकूण आउटपुट टोकन्स
96,502
प्रतिसाद वेळ (सरासरी)
24.81s
एकूण खर्च
$2.213
क्रमांक
#55
एकूण आउटपुट टोकन्स
175,696
प्रतिसाद वेळ (सरासरी)
28.26s
एकूण खर्च
$1.864
शिफारस केलेले मॉडेल Pareto 26.9 (default)

या तुलनेत याचा गुण सर्वाधिक आहे (8.9) आणि 2 मॉडेल्समध्ये खर्च व प्रतिसाद वेळ यांचा एकूण समतोल सर्वोत्तम आहे.

तपशीलवार तुलना

मेट्रिक GPT-5.4 GPT-5.4 medium प्रकाशन: 2026-03-05 Pareto 26.9 Pareto 26.9 default प्रकाशन: 2026-10-15
स्कोअर 8.8 8.9
क्रमांक #57 #55
विश्वसनीयता 10.0 10.0
सुसंगतता 8.7 8.1
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 78.3% 79.7%
अस्थिर चाचण्या 4 6
एकूण रन 69 69
प्रति निकाल खर्च 12.535 12.422
एकूण खर्च $2.213 $1.864
इनपुट किंमत $2.500 / 1M $2.500 / 1M
आउटपुट किंमत $15.000 / 1M $7.500 / 1M
कॅश वाचण्याची किंमत $0.250 / 1M $0.250 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 223,210 218,199
आउटपुट टोकन्स 7,312 175,696
रिझनिंग टोकन्स 89,190 0
प्रतिसाद वेळ (सरासरी) 24.81s 28.26s
प्रतिसाद वेळ (कमाल) 100.41s 151.76s
प्रतिसाद वेळ (एकूण) 570.60s 649.90s
पॅरामीटर्स ~1.5T एकूण (~100B सक्रिय) -
उपलब्धता बंद स्रोत बंद स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#57 GPT-5.4

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

#55 Pareto 26.9

default
खर्च
$0.038
वेळ
109.6s
टोकन्स
5,118 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
Pareto 26.9 10.0 10.0 100.0% 0 49.15s 7,419 1,895 0

तुलना जोडी बदला