AI BENCHY
Advertise here
#113

GPT-5.4

OpenAI Lansare: 2026-03-05 Testat la: 2026-05-22 00:18 openai/gpt-5.4::none
(medium) (none)

Rezumat

GPT-5.4 obține 5.6 pe AI BENCHY și este pe #113. Are fiabilitate 10.0, rată de reușită 38.3%, cost total $0.115 și timp mediu de răspuns 1.46s.

Ce face GPT-5.4 unic: Se remarcă cel mai mult la Programare, unde este pe #1, iar Trucuri anti-AI este zona cea mai slabă, la #9. Este vizibil rapid față de modele similare.

Scor

5.6

Consistență

9.1

Fiabilitate

10.0

Cost total (preț curent)

$0.115

Total tokenuri de ieșire

2,378

Total tokenuri de intrare

0

Preț de intrare

$2.500 / 1M

Preț de ieșire

$15.000 / 1M

Teste corecte

Teste greșite: 13

Rată de trecere pe încercare: 38.3%

Teste instabile

2

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

Timp de răspuns (mediu)

1.46s

Timp de răspuns (maxim): 2.95s

Timp de răspuns (total): 29.23s

Răspuns greșit: 12 Nu a urmat instrucțiunile: 1

Prezentare generare

Hamster playing table tennis

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

#113 GPT-5.4

none
Cost
$0.026
Timp
18.1s
Tokenuri
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 Compară
2026-05-22 00:18 Suită modificată 5.6 10.0 $0.115 Rularea curentă
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.

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-5.4nonevsGemini 3.1 Flash LiteminimalGPT-5.4nonevsGemini 3.1 Flash LitenoneGPT-5.4nonevsGemini 2.5 FlashnoneGPT-5.4nonevsQwen3.5-FlashnoneGPT-5.4nonevsSeed-2.0-LitenoneGPT-5.4nonevsGemma 4 31BnoneDisponibil gratuitGPT-5.4nonevsGemini 3.5 FlashhighGPT-5.4nonevsGemini 3 Flash PreviewmediumGPT-5.4nonevsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitGPT-5.4nonevsGPT-5.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 3.2 8.0
Programare 6.8 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