AI BENCHY
Advertise here
#113

GPT-5.4

OpenAI Releasedatum: 2026-03-05 Getest op: 2026-05-22 00:18 openai/gpt-5.4::none
~1.5T totaal (~100B actief)MoEGesloten broncodeGeschat
(medium) (none)

Samenvatting

GPT-5.4 scoort 5.6 op AI BENCHY en staat op #113. Het model heeft 10.0 betrouwbaarheid, een slagingspercentage van 38.3%, $0.115 totale kosten en 1.46s gemiddelde responstijd.

Wat GPT-5.4 uniek maakt: Het valt het meest op in Domeinspecifiek, waar het #3 staat, terwijl Anti-AI-trucs het zwakste gebied is met #18. Het is opvallend snel vergeleken met vergelijkbare modellen.

Modelgegevens

Onderzocht op 2026-08-12

Geschat
Parameters
~1.5T totaal (~100B actief)
Architectuur
MoE
Beschikbaarheid
Gesloten broncode
Licentie
-

Beste schatting op basis van openbare informatie; de leverancier heeft niet alle waarden bekendgemaakt.

Bron voor parameters Bron voor beschikbaarheid

Score

5.6

Consistentie

9.1

Betrouwbaarheid

10.0

Totale kosten (huidige prijs)

$0.115

Totaal aantal uitvoer-tokens

2,378

Totaal aantal invoer-tokens

0

Invoerprijs

$2.500 / 1M

Uitvoerprijs

$15.000 / 1M

Correcte tests

Foute tests: 13

Slaagpercentage per poging: 38.3%

Instabiele tests

2

Instabiele tests hadden gemengde uitkomsten over runs (minstens één geslaagd en één gefaald).

Responstijd (gem.)

1.46s

Responstijd (max): 2.95s

Responstijd (totaal): 29.23s

Verkeerd antwoord: 12 Instructies niet gevolgd: 1

Hamster playing table tennis

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

#113 GPT-5.4

none
Kosten
$0.026
Tijd
18.1s
Tokens
1,792 tok

Rungeschiedenis

Getest op Score Betrouwbaarheid Correcte tests Totale kosten Vergelijken
2026-08-14 02:13 Hertest 5.8 10.0 $0.397 Vergelijken
2026-07-16 22:33 Nieuwe test toegevoegd 5.8 10.0 $0.397 Vergelijken
2026-06-04 13:45 Nieuwe test toegevoegd 5.5 10.0 $0.122 Vergelijken
2026-05-22 00:18 Suite gewijzigd 5.6 10.0 $0.115 Huidige run
2026-04-11 01:44 Eerste geregistreerde run 5.9 n.v.t. $0.104 Vergelijken

Deze run gebruikte een andere benchmarkset. Houd rekening met suitewijzigingen bij het lezen van historische verschuivingen.

Runvergelijking

RunBenchmarkdekkingScoreConsistentieBetrouwbaarheidCorrecte testsInstabiele testsTotaal aantal uitvoer-tokensTotaal aantal invoer-tokensTotale kostenResponstijd (gem.)
2026-05-22 00:18 · Suite gewijzigd60/60 pogingen5.69.110.07/2022,3780$0.1151.46s
2026-08-14 02:13 · Hertest66/66 pogingen5.89.210.07/2228,339108,641$0.3972.08s
Verschil—-0.2-0.10.000-5961-108641-$0.283-618ms

De benchmarkdekking verschilt: 60/60 pogingen (Doel: 3 herhalingen per test) tegenover 66/66 pogingen (Doel: 3 herhalingen per test). Totalen en herhalingsgevoelige statistieken zijn niet direct vergelijkbaar.

Deze twee runs gebruikten verschillende benchmarksets, dus de verschillen weerspiegelen zowel modelveranderingen als suitewijzigingen.

Grafieken

Kies eerst het eerste model en klik daarna op een tweede model om een zij-aan-zijpagina te openen.

Totaal aantal uitvoer-tokens

Score vs Totaal aantal uitvoer-tokens

Snelle vergelijking

GPT-5.4nonevsSeed 2.1 TurbononeGPT-5.4nonevsSolar Pro 4noneGPT-5.4nonevsGPT-5.4 MininoneGPT-5.4nonevsNorth Mini CodemediumGratis beschikbaarGPT-5.4nonevsGLM 5.3 FlashlowGPT-5.4nonevsNemotron 3 SupermediumGratis beschikbaarGPT-5.4nonevsDots 3 Note PreviewmediumGratis beschikbaarGPT-5.4nonevsGLM 5noneGPT-5.4nonevsStep 3.5 FlashmediumGPT-5.4nonevsInkling Smalllow

Categorie-uitsplitsing

Categorie Score Consistentie Correcte tests
Anti-AI-trucs 3.2 8.0
Programmeren 6.8 10.0
Gecombineerd 3.0 10.0
Gegevensparsering en extractie 10.0 10.0
Domeinspecifiek 5.3 7.2
Algemene intelligentie 4.4 9.9
Instructies opvolgen 6.5 10.0
Puzzeloplossing 5.6 9.8
Toolaanroepen 10.0 10.0
Algemene kennis 3.0 10.0

Vergeleken modellen