AI BENCHY
Advertise here
#28

GPT-5.4

OpenAI Релиз: 2026-03-05 Проверено: 2026-05-22 00:19 openai/gpt-5.4::medium
(medium) (none)

Сводка

GPT-5.4 набирает 7.9 в AI BENCHY и занимает #28. У модели надежность 10.0, доля успешных попыток 75.0%, общая стоимость $1.140 и среднее время ответа 22.31s.

Оценка

7.9

Стабильность

8.5

Надежность

10.0

Общая стоимость (текущая цена)

$1.140

Общее число выходных токенов

70,725

Общее число входных токенов

0

Цена входа

$2.500 / 1M

Цена выхода

$15.000 / 1M

Тестов верно

Ошибочных тестов: 7

Доля успешных попыток: 75.0%

Нестабильные тесты

4

Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).

Время ответа (среднее)

22.31s

Время ответа (макс.): 100.41s

Время ответа (суммарно): 446.15s

Неверный ответ: 5 Не соблюдены инструкции: 2

Generation showcase

Hamster playing table tennis

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

#28 GPT-5.4

medium
Cost
$0.214
Time
199.6s
Tokens
14,349 tok

История запусков

Проверено Оценка Надежность Тестов верно Общая стоимость Сравнить
2026-06-04 13:46 Добавлен новый тест 8.0 10.0 $1.210 Сравнить
2026-05-22 00:19 Набор изменён 7.9 10.0 $1.140 Текущий запуск
2026-04-11 01:44 Первый зафиксированный запуск 8.2 Н/Д $0.832 Сравнить

Этот запуск использовал другой набор бенчмарков. Учитывайте изменения набора при чтении исторической динамики.

Сравнение запусков

ЗапускОценкаСтабильностьНадежностьТестов верноНестабильные тестыОбщее число выходных токеновОбщее число входных токеновОбщая стоимостьВремя ответа (среднее)
2026-05-22 00:19 · Набор изменён7.98.510.013/20470,7250$1.14022.31s
2026-04-11 01:44 · Первый зафиксированный запуск8.28.7Н/Д13/18350,9010$0.83218.63s
Разница-0.3-0.20+1+198240+$0.308+3682ms

Эти два запуска использовали разные наборы бенчмарков, поэтому различия отражают и изменения модели, и изменения набора.

Графики

Выберите первую модель, затем нажмите вторую, чтобы открыть страницу сравнения бок о бок.

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Быстрое сравнение

GPT-5.4mediumvsGLM 5mediumGPT-5.4mediumvsSeed-2.0-LitemediumGPT-5.4mediumvsGemini 3 Flash PreviewlowGPT-5.4mediumvsGemini 3.5 FlashnoneGPT-5.4mediumvsGPT-5.3-CodexmediumGPT-5.4mediumvsGemini 3 Flash PreviewmediumGPT-5.4mediumvsGemini 3.5 FlashhighGPT-5.4mediumvsNemotron 3 Ultra 550b A55bmediumБесплатно доступноGPT-5.4mediumvsGemini 3.5 Flashlow

Разбивка по категориям

Категория Оценка Стабильность Тестов верно
Анти-ИИ уловки 8.3 10.0
Программирование 8.2 6.7
Комбинированный 10.0 10.0
Парсинг и извлечение данных 10.0 10.0
Предметно-ориентированное 5.3 7.2
Общий интеллект 4.7 3.1
Следование инструкциям 10.0 10.0
Решение головоломок 8.2 7.2
Вызов инструментов 10.0 10.0
Эрудиция 3.0 10.0

Сравниваемые модели