#50
OpenAI
प्रकाशन: 2025-08-07
चाचणी तारीख: 2026-04-11 01:44
openai/gpt-5-mini::medium
7.0
सुसंगतता
8.6
लागू नाही
$0.128
एकूण आउटपुट टोकन्स
59,861
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.250 / 1M
आउटपुट किंमत
$2.000 / 1M
अस्थिर चाचण्या
3
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-05-22 00:16 पुन्हा चाचणी | 6.9 | 10.0 | $0.150 | तुलना करा | |
| 2026-04-11 01:44 पहिली नोंदलेली रन | 7.0 | लागू नाही | $0.128 | 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 01:44 · पहिली नोंदलेली रन | 7.0 | 8.6 | लागू नाही | 9/18 | 3 | 59,861 | 0 | $0.128 | 23.98s |
| 2026-05-22 00:16 · पुन्हा चाचणी | 6.9 | 8.7 | 10.0 | 10/20 | 3 | 70,358 | 0 | $0.150 | 23.99s |
| फरक | +0.1 | -0.1 | -1 | 0 | -10497 | 0 | -$0.023 | -17ms |
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.
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
GPT-5 MinimediumvsGLM 5V TurbomediumGPT-5 MinimediumvsGPT-5.4 MinimediumGPT-5 MinimediumvsStep 3.5 FlashmediumGPT-5 MinimediumvsMiniMax M3mediumGPT-5 MinimediumvsKimi K2.6mediumमोफत उपलब्धGPT-5 MinimediumvsClaude Opus 4.8noneGPT-5 MinimediumvsGemini 3 Flash PreviewmediumGPT-5 MinimediumvsGemini 3.5 FlashhighGPT-5 MinimediumvsRing-2.6-1TmediumGPT-5 MinimediumvsGemini 3.5 Flashlow
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 7.1 | 7.6 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 3.6 | 7.2 | |
| Samanya Buddhimatta | 4.5 | 10.0 | |
| सूचनांचे पालन | 8.0 | 6.6 | |
| कोडी सोडवणे | 5.6 | 9.8 | |
| टूल कॉलिंग | 10.0 | 10.0 |