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.

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