AI BENCHY
Advertise here
#71

GPT-5.4

OpenAI प्रकाशन: 2026-03-05 चाचणी तारीख: 2026-04-11 01:44 openai/gpt-5.4::none
(medium) (none)

सारांश

GPT-5.4 AI BENCHY वर 5.9 स्कोर करते आणि #71 वर आहे. याची reliability लागू नाही, pass rate 42.6%, एकूण खर्च $0.104, आणि सरासरी response time 1.51s आहे.

GPT-5.4 खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर अँटी-एआय युक्त्या हा सर्वात कमकुवत भाग आहे, rank #18. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.

स्कोअर

5.9

सुसंगतता

9.1

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$0.104

एकूण आउटपुट टोकन्स

2,317

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$2.500 / 1M

आउटपुट किंमत

$15.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 11

प्रति प्रयत्न पास दर: 42.6%

अस्थिर चाचण्या

2

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

प्रतिसाद वेळ (सरासरी)

1.51s

प्रतिसाद वेळ (कमाल): 2.95s

प्रतिसाद वेळ (एकूण): 27.21s

चुकीचे उत्तर: 10 सूचनांचे पालन केले नाही: 1

Hamster playing table tennis

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

#71 GPT-5.4

none
खर्च
$0.026
वेळ
18.1s
टोकन्स
1,792 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-07-16 22:33 नवीन चाचणी जोडली 5.8 10.0 $0.397 तुलना करा
2026-06-04 13:45 नवीन चाचणी जोडली 5.5 10.0 $0.122 तुलना करा
2026-05-22 00:18 सूट बदलला 5.6 10.0 $0.115 तुलना करा
2026-04-11 01:44 पहिली नोंदलेली रन 5.9 लागू नाही $0.104 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-5.4nonevsGPT-5 NanomediumGPT-5.4nonevsStep 3.5 FlashmediumGPT-5.4nonevsQwen3.5-35B-A3BnoneGPT-5.4nonevsQwen3.5 Plus 2026-04-20noneGPT-5.4nonevsGPT-5.6 TerranoneGPT-5.4nonevsGemini 3 Flash PreviewmediumGPT-5.4nonevsGemini 3.5 FlashhighGPT-5.4nonevsNemotron 3 Ultramediumमोफत उपलब्धGPT-5.4nonevsGPT-5.5low

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 3.2 8.0
कोडिंग 10.0 10.0
संयुक्त 3.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 4.4 9.9
सूचनांचे पालन 6.5 10.0
कोडी सोडवणे 5.6 9.8
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स