#86 GPT-5.5
none- Cost
- $0.090
- Time
- 54.3s
- Tokens
- 3,063 tok
Rezumat
GPT-5.5 obține 6.5 pe AI BENCHY și este pe #86. Are fiabilitate 10.0, rată de reușită 56.7%, cost total $0.217 și timp mediu de răspuns 1.94s.
Ce face GPT-5.5 unic: Se remarcă cel mai mult la Inteligență generală, unde este pe #1, iar Respectarea instrucțiunilor este zona cea mai slabă, la #8.
6.5
Consistență
8.7
10.0
$0.217
Total tokenuri de ieșire
1,949
Total tokenuri de intrare
0
Preț de intrare
$5.000 / 1M
Preț de ieșire
$30.000 / 1M
Teste instabile
3
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-06-04 13:46 Test nou adăugat | 6.4 | 10.0 | $0.231 | Compară | |
| 2026-05-22 00:19 Suită modificată | 6.5 | 10.0 | $0.217 | Rularea curentă | |
| 2026-04-24 19:59 Prima rulare | 6.8 | N/D | $0.195 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:19 · Suită modificată | 6.5 | 8.7 | 10.0 | 10/20 | 3 | 1,949 | 0 | $0.217 | 1.94s |
| 2026-04-24 19:59 · Prima rulare | 6.8 | 8.3 | N/D | 9/18 | 4 | 1,910 | 0 | $0.195 | 1.83s |
| Diferență | -0.2 | +0.4 | +1 | -1 | +39 | 0 | +$0.022 | +117ms |
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.
Top modele după scor
Scor vs Cost total
Timp de răspuns (mediu)
Scor vs Timp de răspuns (mediu)
Total tokenuri de ieșire
Scor vs Total tokenuri de ieșire
Comparație rapidă
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 6.9 | 7.9 | |
| Programare | 6.8 | 10.0 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 2.9 | 7.2 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 6.2 | 5.8 | |
| Rezolvare de puzzle-uri | 7.7 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |