AI BENCHY
Advertise here
#11

GPT-5.5

OpenAI Lansare: 2026-04-24 Testat la: 2026-05-22 00:21 openai/gpt-5.5::medium
(medium) (low) (none)

Rezumat

GPT-5.5 obține 8.7 pe AI BENCHY și este pe #11. Are fiabilitate 10.0, rată de reușită 86.7%, cost total $3.503 și timp mediu de răspuns 37.89s.

Scor

8.7

Consistență

8.8

Fiabilitate

10.0

Cost total (preț curent)

$3.503

Total tokenuri de ieșire

111,483

Total tokenuri de intrare

0

Preț de intrare

$5.000 / 1M

Preț de ieșire

$30.000 / 1M

Teste corecte

Teste greșite: 4

Rată de trecere pe încercare: 86.7%

Teste instabile

3

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

Timp de răspuns (mediu)

37.89s

Timp de răspuns (maxim): 332.10s

Timp de răspuns (total): 757.71s

Răspuns greșit: 4

Generation showcase

Hamster playing table tennis

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

#11 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 Rularea curentă
2026-04-24 20:23 Prima rulare 9.0 N/D $2.884 Compară

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

Comparație între rulări

RulareScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-05-22 00:21 · Suită modificată8.78.810.016/203111,4830$3.50337.89s
2026-06-04 13:48 · Test nou adăugat8.88.910.017/213116,91034,212$3.67937.98s
Diferență-0.1-0.10.0-10-5427-34212-$0.176-95ms

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 8.2 6.7
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 10.0 10.0
Apelare instrumente 10.0 10.0
Cultură generală 2.8 1.6

Modele comparate