#42 GPT-5.4
medium- खर्च
- $0.214
- वेळ
- 199.6s
- टोकन्स
- 14,349 tok
OpenAI
प्रकाशन: 2026-03-05
चाचणी तारीख: 2026-08-14 02:16
openai/gpt-5.4::medium
~1.5T एकूण (~100B सक्रिय)MoEबंद स्रोतअंदाजित
(medium)
(none)
सारांश
GPT-5.4 AI BENCHY वर 8.5 स्कोर करते आणि #42 वर आहे. याची reliability 10.0, pass rate 77.3%, एकूण खर्च $1.560, आणि सरासरी response time 22.85s आहे.
मॉडेलची माहिती
संशोधन दिनांक: 2026-08-12
- पॅरामीटर्स
- ~1.5T एकूण (~100B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- परवाना
- -
सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.
8.5
सुसंगतता
8.6
10.0
$1.560
एकूण आउटपुट टोकन्स
90,466
एकूण इनपुट टोकन्स
81,136
इनपुट किंमत
$2.500 / 1M
आउटपुट किंमत
$15.000 / 1M
अस्थिर चाचण्या
4
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
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 |
|---|---|---|---|---|---|
| 2026-08-14 02:16 पुन्हा चाचणी | 8.5 | 10.0 | $1.560 | सध्याची रन | |
| 2026-07-16 22:34 नवीन चाचणी जोडली | 8.5 | 10.0 | $1.533 | तुलना करा | |
| 2026-06-04 13:46 नवीन चाचणी जोडली | 8.0 | 10.0 | $1.210 | तुलना करा | |
| 2026-05-22 00:19 सूट बदलला | 7.9 | 10.0 | $1.140 | तुलना करा | |
| 2026-04-11 01:44 पहिली नोंदलेली रन | 8.2 | लागू नाही | $0.832 | तुलना करा |
या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-14 02:16 · सध्याची रन | 66/66 प्रयत्न | 8.5 | 8.6 | 10.0 | 15/22 | 4 | 90,466 | 81,136 | $1.560 | 22.85s |
| 2026-07-16 22:34 · नवीन चाचणी जोडली | 66/66 प्रयत्न | 8.5 | 8.6 | 10.0 | 15/22 | 4 | 88,670 | 81,127 | $1.533 | 23.10s |
| फरक | — | 0.0 | 0.0 | 0.0 | 0 | 0 | +1796 | +9 | +$0.027 | -249ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
किंमत इतिहास
OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.
| तारीख | इनपुट किंमत | आउटपुट किंमत |
|---|---|---|
| 2026-08-14 12:51 | $2.500 / 1M | $15.000 / 1M |
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-5.4mediumvsQwen3.8 MaxlowGPT-5.4mediumvsGrok 4.5mediumGPT-5.4mediumvsQwen3.6 Max PreviewmediumGPT-5.4mediumvsMuse Spark 1.2lowGPT-5.4mediumvsClaude Fable 5mediumGPT-5.4mediumvsGrok 4.6mediumGPT-5.4mediumvsMuse Spark 1.1mediumGPT-5.4mediumvsGrok 4.5lowGPT-5.4mediumvsMuse Spark 1.2mediumGPT-5.4mediumvsGPT-5.2medium
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 8.3 | 10.0 | |
| कोडिंग | 8.8 | 7.8 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 7.2 | |
| Samanya Buddhimatta | 4.7 | 3.1 | |
| सूचनांचे पालन | 10.0 | 10.0 | |
| कोडी सोडवणे | 8.2 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |