Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Modele comparate

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-12

Metrică GPT-5.2 GPT-5.2 medium Lansare: 2025-12-11 GPT-5.3 Chat GPT-5.3 Chat none Lansare: 2026-03-03 GPT-5.4 GPT-5.4 none Lansare: 2026-03-05
Rang #29 #20 #51
Scor mediu 6.5 7.3 4.5
Consistență 7.9 8.5 8.9
Cost per rezultat 3.125 3.163 1.562
Cost total $0.313 $0.317 $0.094
Teste corecte
Rată de trecere pe încercare 75.0% 70.8% 41.7%
Teste instabile 4 3 2
Rulări totale 48 48 48
Tokenuri de ieșire 2,220 19,272 1,819
Tokenuri de raționament 16,811 0 0
Timp de răspuns (mediu) 15.33s 5.96s 1.48s
Timp de răspuns (maxim) 77.80s 18.33s 2.89s
Timp de răspuns (total) 138.01s 95.30s 23.64s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor mediu vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor mediu vs Total tokenuri de ieșire

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
GPT-5.2 7.0 7.3 77.8% 1 14.34s 549 2,002
GPT-5.3 Chat 7.3 7.5 77.8% 1 4.72s 3,091 0
GPT-5.4 10.0 7.3 11.1% 1 1.41s 388 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 10.0 10.0 100.0% 0 14.06s 291 1,757
GPT-5.3 Chat 10.0 10.0 100.0% 0 11.96s 2,614 0
GPT-5.4 10.0 10.0 0.0% 0 2.89s 291 0
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
GPT-5.2 9.9 10.0 100.0% 0 3.15s 234 420
GPT-5.3 Chat 9.9 10.0 100.0% 0 2.21s 942 0
GPT-5.4 9.9 10.0 100.0% 0 1.04s 222 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 4.0 7.2 55.6% 1 77.80s 42 10,342
GPT-5.3 Chat 10.0 4.4 33.3% 2 13.01s 8,264 0
GPT-5.4 4.0 7.2 44.4% 1 1.07s 50 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 10.0 9.7 0.0% 0 4.32s 162 269
GPT-5.3 Chat 4.0 10.0 0.0% 0 1.99s 319 0
GPT-5.4 3.0 9.9 0.0% 0 1.78s 184 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 9.5 10.0 100.0% 0 3.12s 94 614
GPT-5.3 Chat 9.0 10.0 50.0% 0 3.29s 1,455 0
GPT-5.4 5.5 10.0 50.0% 0 1.07s 81 0
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 7.0 7.3 77.8% 1 5.47s 609 938
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.93s 1,726 0
GPT-5.4 4.0 9.8 33.3% 0 1.52s 357 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 10.0 1.6 66.7% 1 10.30s 239 469
GPT-5.3 Chat 10.0 10.0 100.0% 0 8.36s 861 0
GPT-5.4 10.0 10.0 100.0% 0 2.75s 246 0

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2-FlashmediumGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGLM 5mediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumDisponibil gratuitMiniMax M2.5mediumvsGPT-5.4noneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsGPT-5.2mediumGPT-5.2mediumvsQwen3.5 Plus 2026-02-15noneGPT-5.3 ChatnonevsGrok 4.20 BetamediumSeed-2.0-MinimediumvsGPT-5.3 Chatnone