Advertise here
#61

GPT-5.4

OpenAI Релиз: 2026-03-05 Проверено: 2026-10-01 01:43 openai/gpt-5.4::medium
~1.5T всего (~100B активных)MoEЗакрытая модельОценка
(medium) (none)

Сводка

GPT-5.4 набирает 8.8 в AI BENCHY и занимает #61. У модели надежность 10.0, доля успешных попыток 78.3%, общая стоимость $2.213 и среднее время ответа 24.81s.

Сведения о модели

Дата исследования: 2026-08-12

Оценка
Параметры
~1.5T всего (~100B активных)
Архитектура
MoE
Доступность
Закрытая модель
Лицензия
-

Наиболее обоснованная оценка по открытым данным; поставщик раскрыл не все значения.

Источник данных о параметрах Источник данных о доступности

Оценка

8.8

Стабильность

8.7

Надежность

10.0

Общая стоимость (текущая цена)

$2.213 ↑ +10.3%

Протестировано по цене: $2.006

Общее число выходных токенов

96,502

Общее число входных токенов

223,210

Цена входа

$2.500 / 1M

Цена выхода

$15.000 / 1M

Цена чтения из кэша

$0.250 / 1M

Цена записи в кэш

Н/Д

Цены кэша относятся к входным токенам. Чтение повторно использует сохранённые запросы; запись сохраняет их и может стоить дороже. Выходные токены оплачиваются по цене вывода.

Тестов верно

Ошибочных тестов: 7

Доля успешных попыток: 78.3%

Нестабильные тесты

4

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

Время ответа (среднее)

24.81s

Время ответа (макс.): 100.41s

Время ответа (суммарно): 570.60s

Неверный ответ: 5 Не соблюдены инструкции: 2

Hamster playing table tennis

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

#61 GPT-5.4

medium
Стоимость
$0.214
Время
199.6s
Токены
14,349 tok

История запусков

Проверено Оценка Надежность Тестов верно Общая стоимость Сравнить
2026-10-01 01:43 Повторный тест 8.8 10.0 $2.213 ↑ Текущий запуск
2026-07-16 22:34 Добавлен новый тест 8.5 10.0 $1.533 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 Сравнить
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

ЗапускПокрытие бенчмаркаОценкаСтабильностьНадежностьТестов верноНестабильные тестыОбщее число выходных токеновОбщее число входных токеновОбщая стоимостьВремя ответа (среднее)
2026-10-01 01:43 · Текущий запуск69/69 попыток8.88.710.016/23496,502223,210$2.21324.81s
2026-06-04 13:46 · Добавлен новый тест63/63 попыток8.08.610.014/21474,94934,108$1.21022.35s
Разница—+0.8+0.10.0+20+21553+189102+$1.004+2461ms

Покрытие бенчмарка различается: 69/69 попыток (Цель: 3 повторов на тест) против 63/63 попыток (Цель: 3 повторов на тест). Итоги и метрики, зависящие от числа повторов, нельзя сравнивать напрямую.

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

История цен

Исторические данные о ценах для этой модели из OpenRouter.

Дата Цена входа Цена выхода Цена чтения из кэша Цена записи в кэш
2026-08-14 12:51 $2.500 / 1M $15.000 / 1M Н/Д Н/Д
2026-10-01 18:33 $2.500 / 1M $15.000 / 1M $0.250 / 1M Н/Д

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-5.4mediumvsQwen3.8 MAXlowGPT-5.4mediumvsMuse Spark OpenmediumGPT-5.4mediumvsPareto 26.9defaultGPT-5.4mediumvsDeepSeek V4.1 FlashhighGPT-5.4mediumvsClaude Fable 5mediumGPT-5.4mediumvsDeepSeek V4.1 FlashmediumGPT-5.4mediumvsMuse Spark 1.1mediumGPT-5.4mediumvsMuse Spark 1.2lowGPT-5.4mediumvsMuse Spark 1.2mediumGPT-5.4mediumvsGPT-5.2medium

Разбивка по категориям

Категория Оценка Стабильность Тестов верно
Агентные задачи 10.0 10.0
Анти-ИИ уловки 8.3 10.0
Программирование 8.8 7.8
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