AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#94

GPT-5 Nano

OpenAI Lansare: 2025-08-07 Testat la: 2026-05-22 00:17 openai/gpt-5-nano::medium
~120B în total (~5B activi)MoEÎnchisEstimat

Rezumat

GPT-5 Nano obține 6.1 pe AI BENCHY și este pe #94. Are fiabilitate 10.0, rată de reușită 55.0%, cost total $0.076 și timp mediu de răspuns 43.11s.

Ce face GPT-5 Nano unic: Se remarcă cel mai mult la Combinat, unde este pe #1, iar Parsare și extragere de date este zona cea mai slabă, la #18. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.

Date despre model

Documentat la 2026-08-12

Estimat
Parametri
~120B în total (~5B activi)
Arhitectură
MoE
Disponibilitate
Închis
Licență
-

Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.

Scor

6.1

Consistență

7.1

Total tokenuri de ieșire

184,922

Total tokenuri de intrare

0

Preț de intrare

$0.050 / 1M

Preț de ieșire

$0.400 / 1M

Teste corecte

Teste greșite: 12

Rată de trecere pe încercare: 55.0%

Teste instabile

7

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

Timp de răspuns (mediu)

43.11s

Timp de răspuns (maxim): 204.02s

Timp de răspuns (total): 560.45s

Hamster playing table tennis

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

#94 GPT-5 Nano

medium
Cost
$0.006
Timp
108.5s
Tokenuri
13,209 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-08-14 02:07 Retestare 6.0 10.0 $0.118 Compară
2026-07-16 22:32 Test nou adăugat 6.1 10.0 $0.114 Compară
2026-06-04 13:44 Test nou adăugat 6.3 10.0 $0.081 Compară
2026-05-22 00:17 Suită modificată 6.1 10.0 $0.076 Rularea curentă
2026-04-11 01:44 Prima rulare înregistrată 6.3 N/D $0.066 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

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 6.5 7.9
Programare 5.4 6.6
Combinat 10.0 10.0
Parsare și extragere de date 3.7 1.7
Specific domeniului 5.2 4.4
Inteligență generală 4.1 10.0
Respectarea instrucțiunilor 9.8 10.0
Rezolvare de puzzle-uri 5.3 7.2
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate