AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#126

GPT-5.4

OpenAI Lansare: 2026-03-05 Testat la: 2026-06-04 13:45 openai/gpt-5.4::none
(medium) (none)

Rezumat

GPT-5.4 obține 5.5 pe AI BENCHY și este pe #126. Are fiabilitate 10.0, rată de reușită 36.5%, cost total $0.122 și timp mediu de răspuns 1.42s.

Ce face GPT-5.4 unic: Se remarcă cel mai mult la Programare, unde este pe #3, iar Trucuri anti-AI este zona cea mai slabă, la #13. Este vizibil rapid față de modele similare.

Scor

5.5

Consistență

9.2

Total tokenuri de ieșire

2,417

Total tokenuri de intrare

34,212

Preț de intrare

$2.500 / 1M

Preț de ieșire

$15.000 / 1M

Teste corecte

Teste greșite: 14

Rată de trecere pe încercare: 36.5%

Teste instabile

2

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

Timp de răspuns (mediu)

1.42s

Timp de răspuns (maxim): 2.95s

Timp de răspuns (total): 29.87s

Generation showcase

Hamster playing table tennis

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

#126 GPT-5.4

none
Cost
$0.026
Time
18.1s
Tokens
1,792 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-06-04 13:45 Test nou adăugat 5.5 10.0 $0.122 Rularea curentă
2026-05-22 00:18 Suită modificată 5.6 10.0 $0.115 Compară
2026-04-11 01:44 Prima rulare înregistrată 5.9 N/D $0.104 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire
2026-06-04 15:40 $2.500 / 1M $15.000 / 1M

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 3.2 8.0
Programare 5.5 10.0
Combinat 3.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 5.3 7.2
Inteligență generală 4.4 9.9
Respectarea instrucțiunilor 6.5 10.0
Rezolvare de puzzle-uri 5.6 9.8
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate