AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#45

GPT-5.2

OpenAI प्रकाशन: 2025-12-11 चाचणी तारीख: 2026-04-11 01:44 openai/gpt-5.2::medium

सारांश

GPT-5.2 AI BENCHY वर 7.5 स्कोर करते आणि #45 वर आहे. याची reliability लागू नाही, pass rate 72.2%, एकूण खर्च $0.352, आणि सरासरी response time 14.04s आहे.

GPT-5.2 खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर टूल कॉलिंग हा सर्वात कमकुवत भाग आहे, rank #17.

स्कोअर

7.5

सुसंगतता

8.1

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$0.352

एकूण आउटपुट टोकन्स

21,682

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$1.750 / 1M

आउटपुट किंमत

$14.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 7

प्रति प्रयत्न पास दर: 72.2%

अस्थिर चाचण्या

4

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

14.04s

प्रतिसाद वेळ (कमाल): 77.80s

प्रतिसाद वेळ (एकूण): 154.41s

सूचनांचे पालन केले नाही: 3 चुकीचे उत्तर: 2 उत्तर नाही: 1 वेळ संपला: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#45 GPT-5.2

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

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-06-04 13:45 नवीन चाचणी जोडली 7.5 10.0 $0.548 तुलना करा
2026-05-22 00:19 पुन्हा चाचणी 7.4 10.0 $0.490 तुलना करा
2026-04-11 01:44 पहिली नोंदलेली रन 7.5 लागू नाही $0.352 सध्याची रन

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

GPT-5.2mediumvsStep 3.7 FlashmediumGPT-5.2mediumvsGPT-5.2 ChatnoneGPT-5.2mediumvsDeepSeek V4 FlashhighGPT-5.2mediumvsSeed-2.0-LitemediumGPT-5.2mediumvsGemini 2.5 FlashmediumGPT-5.2mediumvsGemini 3.5 FlashhighGPT-5.2mediumvsGemini 3 Flash PreviewmediumGPT-5.2mediumvsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धGPT-5.2mediumvsGPT-5.5low

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 6.5 8.0
कोडिंग 10.0 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.9 7.2
Samanya Buddhimatta 3.7 9.7
सूचनांचे पालन 9.9 10.0
कोडी सोडवणे 7.7 7.3
टूल कॉलिंग 4.7 1.6

तुलना केलेली मॉडेल्स