Navigare
AI BENCHY
Compară Grafice Metodologie
❤️ Made by XCS
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Google: Gemini 2.5 Flash vs OpenAI: GPT-5.4

Compară:

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-06

Metrică Google: Gemini 2.5 Flash none Lansare: 2025-06-17 OpenAI: GPT-5.4 medium Lansare: 2026-03-05
Rang #38 #9
Scor mediu 5.2 8.0
Consistență 9.1 8.5
Cost per rezultat 0.191 6.601
Cost total $0.012 $0.793
Teste corecte
Rată de trecere pe încercare 43.8% 83.3%
Teste instabile 2 3
Rulări totale 48 (16 x 3) 48 (16 x 3)
Tokenuri de ieșire 1,270 1,756
Tokenuri de raționament 0 46,642
Timp de răspuns (mediu) 923ms 20.05s
Timp de răspuns (maxim) 4.39s 100.41s
Timp de răspuns (total) 14.78s 320.87s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor mediu vs Timp de răspuns (mediu)

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Google: Gemini 2.5 Flash 10.0 10.0 0.0% 0 668ms 99 0
OpenAI: GPT-5.4 10.0 10.0 100.0% 0 5.02s 216 1,466
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Google: Gemini 2.5 Flash 10.0 10.0 0.0% 0 4.39s 366 0
OpenAI: GPT-5.4 10.0 10.0 100.0% 0 20.57s 301 3,543
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Google: Gemini 2.5 Flash 9.9 10.0 100.0% 0 652ms 279 0
OpenAI: GPT-5.4 9.9 10.0 100.0% 0 5.32s 234 804
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Google: Gemini 2.5 Flash 4.0 7.2 55.6% 1 495ms 12 0
OpenAI: GPT-5.4 4.0 7.2 44.4% 1 74.27s 61 34,748
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Google: Gemini 2.5 Flash 5.0 10.0 0.0% 0 615ms 78 0
OpenAI: GPT-5.4 5.0 3.1 33.3% 1 4.92s 145 321
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Google: Gemini 2.5 Flash 9.0 6.8 66.7% 1 672ms 70 0
OpenAI: GPT-5.4 10.0 10.0 100.0% 0 3.11s 93 897
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Google: Gemini 2.5 Flash 4.7 10.0 33.3% 0 576ms 132 0
OpenAI: GPT-5.4 7.0 7.2 88.9% 1 9.13s 442 3,832
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Google: Gemini 2.5 Flash 10.0 10.0 100.0% 0 1.91s 234 0
OpenAI: GPT-5.4 10.0 10.0 100.0% 0 13.28s 264 1,031

Comparație rapidă

Schimbă perechea de comparație

Gemini 2.5 FlashnonevsMercury 2mediumGemini 2.5 Flashnonevsgpt-oss-120bmediumDisponibil gratuitGemini 3.1 Flash Lite PreviewhighvsGPT-5.4mediumGemini 3 Flash PreviewlowvsGPT-5.4mediumGemini 2.5 FlashnonevsQwen3.5-35B-A3BmediumGemini 2.5 FlashnonevsGPT-5 NanomediumGemini 2.5 FlashnonevsMiniMax M2.5mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 2.5 FlashnonevsGPT-5 MinimediumGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.4mediumGemini 2.5 FlashnonevsGrok 4.1 Fastmedium