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: 2026-05-01

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 8.2 8.6 7.5
Rang #23 #13 #54
Fiabilitate N/D N/D N/D
Consistență 8.7 8.7 8.1
Teste corecte
Rată de trecere pe încercare 79.6% 83.3% 72.2%
Teste instabile 3 3 4
Rulări totale 54 54 54
Cost per rezultat 6.399 4.405 3.193
Cost total $0.832 $0.573 $0.352
Preț de intrare $2.500 / 1M $1.750 / 1M $1.750 / 1M
Preț de ieșire $15.000 / 1M $14.000 / 1M $14.000 / 1M
Tokenuri de ieșire 2,169 2,279 2,705
Tokenuri de raționament 48,732 35,179 18,977
Timp de răspuns (mediu) 18.63s 15.38s 14.04s
Timp de răspuns (maxim) 100.41s 100.93s 77.80s
Timp de răspuns (total) 335.26s 276.91s 154.41s

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 ieșire Tokenuri de raționament
GPT-5.4 8.3 10.0 75.0% 0 4.11s 240 1,511
GPT-5.3-Codex 8.7 7.9 91.7% 1 4.16s 240 1,722
GPT-5.2 6.5 8.0 58.3% 1 7.81s 567 2,002
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 100.0% 0 13.03s 389 2,045
GPT-5.3-Codex 10.0 10.0 100.0% 0 8.95s 491 1,530
GPT-5.2 10.0 10.0 100.0% 0 15.12s 467 2,166
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 100.0% 0 20.57s 301 3,543
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 364 2,731
GPT-5.2 10.0 10.0 100.0% 0 14.06s 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 ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 100.0% 0 5.32s 234 804
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.07s 234 728
GPT-5.2 10.0 10.0 100.0% 0 3.15s 234 420
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 5.3 7.2 44.4% 1 74.27s 61 34,748
GPT-5.3-Codex 5.9 7.2 55.6% 1 64.31s 64 25,308
GPT-5.2 5.9 7.2 55.6% 1 77.80s 42 10,342
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 4.7 3.1 33.3% 1 4.92s 145 321
GPT-5.3-Codex 4.6 10.0 0.0% 0 4.87s 187 331
GPT-5.2 3.7 9.7 0.0% 0 4.32s 162 269
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 100.0% 0 3.11s 93 897
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 93 693
GPT-5.2 9.9 10.0 100.0% 0 3.12s 94 614
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 8.2 7.2 88.9% 1 9.13s 442 3,832
GPT-5.3-Codex 9.0 7.9 88.9% 1 5.12s 352 1,644
GPT-5.2 7.7 7.3 77.8% 1 5.47s 609 938
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 100.0% 0 13.28s 264 1,031
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 254 492
GPT-5.2 4.7 1.6 66.7% 1 10.30s 239 469

Comparație rapidă

Schimbă perechea de comparație

GPT-5.2mediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6nonevsGPT-5.2mediumGPT-5.3-CodexmediumvsHY3 PreviewhighDisponibil gratuitGPT-5.4mediumvsHY3 PreviewlowDisponibil gratuitGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.4mediumDeepSeek V4 FlashhighvsGPT-5.2mediumDeepSeek V4 FlashhighvsGPT-5.4mediumGPT-5.4mediumvsHY3 PreviewhighDisponibil gratuitGemini 3.1 Flash Lite PreviewnonevsGPT-5.2medium