AI BENCHY
Advertise here
#5

GPT-5.5

OpenAI Lansare: 2026-04-24 Testat la: 2026-04-24 20:23 openai/gpt-5.5::medium
(medium) (low) (none)

Rezumat

GPT-5.5 obține 9.0 pe AI BENCHY și este pe #5. Are fiabilitate N/D, rată de reușită 87.0%, cost total $2.884 și timp mediu de răspuns 32.75s.

Ce face GPT-5.5 unic: Este unul dintre modelele cel mai bine clasate per total.

Scor

9.0

Consistență

9.2

Fiabilitate

N/D

Cost total (preț curent)

$2.884

Total tokenuri de ieșire

91,552

Total tokenuri de intrare

0

Preț de intrare

$5.000 / 1M

Preț de ieșire

$30.000 / 1M

Teste corecte

Teste greșite: 3

Rată de trecere pe încercare: 87.0%

Teste instabile

2

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

Timp de răspuns (mediu)

32.75s

Timp de răspuns (maxim): 332.10s

Timp de răspuns (total): 589.59s

Răspuns greșit: 2 Nu a urmat instrucțiunile: 1

Generation showcase

Hamster playing table tennis

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

#5 GPT-5.5

medium
Cost
$0.112
Time
71.9s
Tokens
3,807 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-06-04 13:48 Test nou adăugat 8.8 10.0 $3.679 Compară
2026-05-22 00:21 Suită modificată 8.7 10.0 $3.503 Compară
2026-04-24 20:23 Prima rulare 9.0 N/D $2.884 Rularea curentă

Comparație între rulări

RulareScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-04-24 20:23 · Prima rulare9.09.2N/D15/18291,5520$2.88432.75s
2026-05-22 00:21 · Suită modificată8.78.810.016/203111,4830$3.50337.89s
Diferență+0.3+0.4-1-1-199310-$0.619-5131ms

Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.

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-5.5mediumvsGemini 3.5 FlashmediumGPT-5.5mediumvsGPT-5.5lowGPT-5.5mediumvsClaude Opus 4.8mediumGPT-5.5mediumvsQwen3.7 MaxmediumGPT-5.5mediumvsClaude Opus 4.7mediumGPT-5.5mediumvsGemini 3 Flash PreviewmediumGPT-5.5mediumvsGemini 3.5 FlashhighGPT-5.5mediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitGPT-5.5mediumvsGemini 3.5 Flashlow

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 10.0 10.0
Combinat 10.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 5.3 7.2
Inteligență generală 10.0 10.0
Respectarea instrucțiunilor 10.0 10.0
Rezolvare de puzzle-uri 8.6 7.9
Apelare instrumente 10.0 10.0

Modele comparate