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

Rezumat

Comparație benchmark GPT-5.4 vs GPT-5.3-Codex vs GPT-5.2GPT-5.3-Codex conduce la Scor cu 8.9. GPT-5.4 conduce la Fiabilitate cu 10.0. GPT-5.2 are cel mai mic Cost total, $0.548. GPT-5.3-Codex are cel mai rapid timp de răspuns, 16.22s.

Model recomandat: GPT-5.2 - Scorul rămâne aproape de cel mai bun scor de aici (8.4 vs 8.9) și costă de aproximativ 1.8x mai puțin decât celelalte modele din această comparație.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică GPT-5.4 GPT-5.4 medium Lansare: 2026-03-05 GPT-5.3-Codex GPT-5.3-Codex medium Lansare: 2026-02-05 GPT-5.2 GPT-5.2 medium Lansare: 2025-12-11
Scor 8.5 8.9 8.4
Rang #17 #10 #22
Fiabilitate 10.0 10.0 10.0
Consistență 8.6 8.5 8.4
Teste corecte
Rată de trecere pe încercare 76.2% 82.5% 71.4%
Teste instabile 4 4 4
Rulări totale 63 63 63
Cost per rezultat 8.640 4.932 4.209
Cost total $1.210 $0.740 $0.548
Preț de intrare $2.500 / 1M $1.750 / 1M $1.750 / 1M
Preț de ieșire $15.000 / 1M $14.000 / 1M $14.000 / 1M
Total tokenuri de intrare 34,108 34,299 33,967
Tokenuri de ieșire 2,242 2,357 2,901
Tokenuri de raționament 72,707 46,189 31,932
Timp de răspuns (mediu) 22.35s 16.22s 16.88s
Timp de răspuns (maxim) 100.41s 100.93s 77.80s
Timp de răspuns (total) 469.29s 340.67s 236.34s

Prezentare generare

Hamster playing table tennis

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

#17 GPT-5.4

medium
Cost
$0.214
Timp
199.6s
Tokenuri
14,349 tok

#10 GPT-5.3-Codex

medium
Cost
$0.049
Timp
54.9s
Tokenuri
3,580 tok

#22 GPT-5.2

medium
Cost
$0.047
Timp
49.2s
Tokenuri
3,396 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor 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 intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
GPT-5.3-Codex 8.7 7.9 91.7% 1 4.16s 606 240 1,722
GPT-5.2 6.5 8.0 58.3% 1 7.81s 606 567 2,002
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890
GPT-5.2 10.0 10.0 100.0% 0 22.73s 7,302 511 11,912
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 11,019 364 2,731
GPT-5.2 10.0 10.0 100.0% 0 14.06s 11,019 291 1,757
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.07s 7,140 234 728
GPT-5.2 10.0 10.0 100.0% 0 3.15s 7,140 234 420
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
GPT-5.3-Codex 5.9 7.2 55.6% 1 64.31s 813 64 25,308
GPT-5.2 5.9 7.2 55.6% 1 77.80s 473 42 10,342
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
GPT-5.3-Codex 4.6 10.0 0.0% 0 4.87s 477 187 331
GPT-5.2 3.7 9.7 0.0% 0 4.32s 477 162 269
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 660 93 693
GPT-5.2 9.9 10.0 100.0% 0 3.12s 660 94 614
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
GPT-5.3-Codex 9.0 7.9 88.9% 1 5.05s 642 356 1,593
GPT-5.2 7.5 7.3 77.8% 1 5.80s 642 735 924
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 5,445 254 492
GPT-5.2 4.7 1.6 66.7% 1 10.30s 5,453 239 469
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821
GPT-5.3-Codex 2.8 1.6 33.3% 1 14.43s 195 30 1,701
GPT-5.2 3.0 10.0 0.0% 0 28.18s 195 26 3,223

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V4 FlashhighvsGPT-5.2mediumDeepSeek V4 FlashhighvsGPT-5.4mediumGemini 3.5 FlashlowvsGPT-5.3-CodexmediumDeepSeek V4 FlashhighvsGPT-5.3-CodexmediumGPT-5.2mediumvsStep 3.7 FlashlowGemini 3.5 FlashlowvsGPT-5.4mediumDeepSeek V4 ProhighvsGPT-5.2mediumGPT-5.4mediumvsStep 3.7 FlashlowGemini 3.5 FlashlowvsGPT-5.2mediumGemini 3.5 FlashhighvsGPT-5.3-CodexmediumDeepSeek V4 ProhighvsGPT-5.4mediumGemini 3 Flash PreviewlowvsGPT-5.2medium