7.9
Consistență
8.5
10.0
$1.140
Total tokenuri de ieșire
70,725
Total tokenuri de intrare
0
Preț de intrare
$2.500 / 1M
Preț de ieșire
$15.000 / 1M
Teste instabile
4
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | 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 | Rularea curentă | |
| 2026-04-11 01:44 Prima rulare înregistrată | 8.2 | N/D | $0.832 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
Scor vs Cost total
Timp de răspuns (mediu)
Scor vs Timp de răspuns (mediu)
Total tokenuri de ieșire
Scor vs Total tokenuri de ieșire
Comparație rapidă
GPT-5.4mediumvsGLM 5mediumGPT-5.4mediumvsSeed-2.0-LitemediumGPT-5.4mediumvsGemini 3 Flash PreviewlowGPT-5.4mediumvsGemini 3.5 FlashnoneGPT-5.4mediumvsGPT-5.3-CodexmediumGPT-5.4mediumvsGemini 3 Flash PreviewmediumGPT-5.4mediumvsGemini 3.5 FlashhighGPT-5.4mediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitGPT-5.4mediumvsGemini 3.5 Flashlow
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 8.3 | 10.0 | |
| Programare | 8.2 | 6.7 | |
| 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 | |
| Cultură generală | 3.0 | 10.0 |