AI BENCHY
Advertise here
#65

GPT-5.4 Mini

OpenAI Lansare: 2026-03-17 Testat la: 2026-05-22 00:21 openai/gpt-5.4-mini::medium
(medium) (none)

Rezumat

GPT-5.4 Mini obține 7.1 pe AI BENCHY și este pe #65. Are fiabilitate 10.0, rată de reușită 68.3%, cost total $0.487 și timp mediu de răspuns 22.14s.

Ce face GPT-5.4 Mini unic: Se remarcă cel mai mult la Combinat, unde este pe #1, iar Inteligență generală este zona cea mai slabă, la #16.

Scor

7.1

Consistență

7.6

Fiabilitate

10.0

Cost total (preț curent)

$0.487

Total tokenuri de ieșire

102,892

Total tokenuri de intrare

0

Preț de intrare

$0.750 / 1M

Preț de ieșire

$4.500 / 1M

Teste corecte

Teste greșite: 10

Rată de trecere pe încercare: 68.3%

Teste instabile

6

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

Timp de răspuns (mediu)

22.14s

Timp de răspuns (maxim): 138.75s

Timp de răspuns (total): 442.74s

Răspuns greșit: 6 Nu a urmat instrucțiunile: 4

Generation showcase

Hamster playing table tennis

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

#65 GPT-5.4 Mini

medium
Cost
$0.056
Time
95.5s
Tokens
12,464 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-06-04 13:47 Test nou adăugat 7.5 10.0 $0.526 Compară
2026-05-22 00:21 Suită modificată 7.1 10.0 $0.487 Rularea curentă
2026-04-11 01:44 Prima rulare înregistrată 7.3 N/D $0.299 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.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

GPT-5.4 MinimediumvsDeepSeek V4 FlashhighGPT-5.4 MinimediumvsQwen3.7 PlusmediumGPT-5.4 MinimediumvsGPT-5.2mediumGPT-5.4 MinimediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitGPT-5.4 MinimediumvsGLM 5 TurbomediumGPT-5.4 MinimediumvsDeepSeek V4 ProhighGPT-5.4 MinimediumvsGemini 3.5 FlashhighGPT-5.4 MinimediumvsGemini 3 Flash PreviewmediumGPT-5.4 MinimediumvsGPT-5.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 8.6 7.9
Programare 7.5 6.0
Combinat 10.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 4.1 4.4
Inteligență generală 4.5 10.0
Respectarea instrucțiunilor 7.4 6.7
Rezolvare de puzzle-uri 7.8 10.0
Apelare instrumente 4.7 1.6
Cultură generală 3.0 10.0

Modele comparate