AI BENCHY
Advertise here
#105

GPT-5.4 Nano

OpenAI प्रकाशन: 2026-03-17 चाचणी तारीख: 2026-04-11 01:44 openai/gpt-5.4-nano::none
(medium) (none)

सारांश

GPT-5.4 Nano AI BENCHY वर 4.5 स्कोर करते आणि #105 वर आहे. याची reliability लागू नाही, pass rate 31.5%, एकूण खर्च $0.009, आणि सरासरी response time 1.40s आहे.

GPT-5.4 Nano खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर डेटा पार्सिंग आणि निष्कर्षण हा सर्वात कमकुवत भाग आहे, rank #11. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.

सुसंगतता

7.1

विश्वसनीयता

लागू नाही

एकूण आउटपुट टोकन्स

2,762

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$0.200 / 1M

आउटपुट किंमत

$1.250 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 16

प्रति प्रयत्न पास दर: 31.5%

अस्थिर चाचण्या

7

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

प्रतिसाद वेळ (सरासरी)

1.40s

प्रतिसाद वेळ (कमाल): 3.84s

प्रतिसाद वेळ (एकूण): 25.14s

Generation showcase

Hamster playing table tennis

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

#105 GPT-5.4 Nano

none
Cost
$0.008
Time
46.1s
Tokens
5,735 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-06-04 13:45 नवीन चाचणी जोडली 4.7 10.0 $0.011 तुलना करा
2026-05-22 00:19 सूट बदलला 4.5 10.0 $0.010 तुलना करा
2026-04-11 01:44 पहिली नोंदलेली रन 4.5 लागू नाही $0.009 सध्याची रन

रन तुलना

रनस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-04-11 01:44 · पहिली नोंदलेली रन4.57.1लागू नाही2/1872,7620$0.0091.40s
2026-06-04 13:45 · नवीन चाचणी जोडली4.78.210.04/2152,78434,212$0.0111.48s
फरक-0.2-1.1-2+2-22-34212-$0.002-80ms

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.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 3.5 8.0
कोडिंग 7.1 3.7
संयुक्त 3.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 6.5 10.0
डोमेन-विशिष्ट 2.9 4.4
Samanya Buddhimatta 3.8 2.5
सूचनांचे पालन 5.0 6.8
कोडी सोडवणे 3.7 7.3
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स