AI BENCHY
Advertise here
#17

GPT-5.4

OpenAI Lansare: 2026-03-05 Testat la: 2026-04-11 01:44 openai/gpt-5.4::medium
(medium) (none)

Rezumat

GPT-5.4 obține 8.2 pe AI BENCHY și este pe #17. Are fiabilitate N/D, rată de reușită 79.6%, cost total $0.832 și timp mediu de răspuns 18.63s.

Scor

8.2

Consistență

8.7

Fiabilitate

N/D

Cost total (preț curent)

$0.832

Total tokenuri de ieșire

50,901

Total tokenuri de intrare

0

Preț de intrare

$2.500 / 1M

Preț de ieșire

$15.000 / 1M

Teste corecte

Teste greșite: 5

Rată de trecere pe încercare: 79.6%

Teste instabile

3

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

18.63s

Timp de răspuns (maxim): 100.41s

Timp de răspuns (total): 335.26s

Răspuns greșit: 3 Nu a urmat instrucțiunile: 2

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

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-07-16 22:34 Test nou adăugat 8.5 10.0 $1.533 Compară
2026-06-04 13:46 Test nou adăugat 8.0 10.0 $1.210 Compară
2026-05-22 00:19 Suită modificată 7.9 10.0 $1.140 Compară
2026-04-11 01:44 Prima rulare înregistrată 8.2 N/D $0.832 Rularea curentă

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

GPT-5.4mediumvsClaude Fable 5mediumGPT-5.4mediumvsQwen3.6 Max PreviewmediumGPT-5.4mediumvsMuse Spark 1.1mediumGPT-5.4mediumvsGrok 4.5lowGPT-5.4mediumvsClaude Opus 4.7mediumGPT-5.4mediumvsGPT-5.2mediumGPT-5.4mediumvsGemini 3 Flash PreviewmediumGPT-5.4mediumvsGemini 3.5 FlashhighGPT-5.4mediumvsNemotron 3 UltramediumDisponibil gratuitGPT-5.4mediumvsGPT-5.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 8.3 10.0
Programare 10.0 10.0
Combinat 10.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 5.3 7.2
Inteligență generală 4.7 3.1
Respectarea instrucțiunilor 10.0 10.0
Rezolvare de puzzle-uri 8.2 7.2
Apelare instrumente 10.0 10.0

Modele comparate