AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#147

GPT-5.4 Nano

OpenAI Lansare: 2026-03-17 Testat la: 2026-05-22 00:19 openai/gpt-5.4-nano::none
(medium) (none)

Rezumat

GPT-5.4 Nano obține 4.5 pe AI BENCHY și este pe #147. Are fiabilitate 10.0, rată de reușită 30.0%, cost total $0.010 și timp mediu de răspuns 1.33s.

Ce face GPT-5.4 Nano unic: Se remarcă cel mai mult la Programare, unde este pe #2, iar Inteligență generală este zona cea mai slabă, la #14. Este vizibil rapid față de modele similare.

Scor

4.5

Consistență

7.6

Total tokenuri de ieșire

2,804

Total tokenuri de intrare

0

Preț de intrare

$0.200 / 1M

Preț de ieșire

$1.250 / 1M

Teste corecte

Teste greșite: 17

Rată de trecere pe încercare: 30.0%

Teste instabile

6

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

Timp de răspuns (mediu)

1.33s

Timp de răspuns (maxim): 3.84s

Timp de răspuns (total): 26.66s

Generation showcase

Hamster playing table tennis

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

#147 GPT-5.4 Nano

none
Cost
$0.008
Time
46.1s
Tokens
5,735 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-06-04 13:45 Test nou adăugat 4.7 10.0 $0.011 Compară
2026-05-22 00:19 Suită modificată 4.5 10.0 $0.010 Rularea curentă
2026-04-11 01:44 Prima rulare înregistrată 4.5 N/D $0.009 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

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 3.5 8.0
Programare 5.4 6.8
Combinat 3.0 10.0
Parsare și extragere de date 6.5 10.0
Specific domeniului 2.9 4.4
Inteligență generală 3.8 2.5
Respectarea instrucțiunilor 6.3 10.0
Rezolvare de puzzle-uri 3.7 7.2
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate