#97 GPT-4o-mini
none- खर्च
- $0.001
- वेळ
- 6.6s
- टोकन्स
- 742 tok
OpenAI
प्रकाशन: 2024-07-18
चाचणी तारीख: 2026-04-11 01:19
openai/gpt-4o-mini::none
सारांश
GPT-4o-mini AI BENCHY वर 4.9 स्कोर करते आणि #97 वर आहे. याची reliability लागू नाही, pass rate 22.2%, एकूण खर्च $0.005, आणि सरासरी response time 2.00s आहे.
4.9
सुसंगतता
9.9
लागू नाही
$0.005
एकूण आउटपुट टोकन्स
1,947
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.150 / 1M
आउटपुट किंमत
$0.600 / 1M
अस्थिर चाचण्या
0
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-06-04 13:04 नवीन चाचणी जोडली | 4.8 | 10.0 | $0.006 | तुलना करा | |
| 2026-05-21 23:41 सूट बदलला | 4.9 | 10.0 | $0.006 | तुलना करा | |
| 2026-04-11 01:19 पहिली नोंदलेली रन | 4.9 | लागू नाही | $0.005 | सध्याची रन |
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:19 · पहिली नोंदलेली रन | 4.9 | 9.9 | लागू नाही | 4/18 | 0 | 1,947 | 0 | $0.005 | 2.00s |
| 2026-06-04 13:04 · नवीन चाचणी जोडली | 4.8 | 9.9 | 10.0 | 5/21 | 0 | 1,982 | 31,518 | $0.006 | 1.77s |
| फरक | +0.1 | 0.0 | -1 | 0 | -35 | -31518 | -$0.002 | +228ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
GPT-4o-mininonevsDeepSeek V4 FlashnoneGPT-4o-mininonevsClaude Sonnet 5noneGPT-4o-mininonevsKimi K2.5noneGPT-4o-mininonevsMiMo-V2.5-PrononeGPT-4o-mininonevsGemini 3.5 FlashhighGPT-4o-mininonevsGemini 3 Flash PreviewmediumGPT-4o-mininonevsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धGPT-4o-mininonevsGPT-5.5low
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 4.8 | 10.0 | |
| कोडिंग | 3.0 | 8.7 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 4.0 | 10.0 | |
| सूचनांचे पालन | 4.8 | 10.0 | |
| कोडी सोडवणे | 3.7 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 |