#86 GPT-5.5
none- Cost
- $0.090
- Time
- 54.3s
- Tokens
- 3,063 tok
Сводка
GPT-5.5 набирает 6.5 в AI BENCHY и занимает #86. У модели надежность 10.0, доля успешных попыток 56.7%, общая стоимость $0.217 и среднее время ответа 1.94s.
Что делает GPT-5.5 особенной: Сильнее всего модель выделяется в Общий интеллект, где занимает #1; самая слабая область — Следование инструкциям с #8.
6.5
Стабильность
8.7
10.0
Общее число выходных токенов
1,949
Общее число входных токенов
0
Цена входа
$5.000 / 1M
Цена выхода
$30.000 / 1M
Нестабильные тесты
3
Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
История запусков
| Проверено | Оценка | Надежность | Тестов верно | Общая стоимость | Сравнить |
|---|---|---|---|---|---|
| 2026-06-04 13:46 Добавлен новый тест | 6.4 | 10.0 | $0.231 | Сравнить | |
| 2026-05-22 00:19 Набор изменён | 6.5 | 10.0 | $0.217 | Текущий запуск | |
| 2026-04-24 19:59 Первый запуск | 6.8 | Н/Д | $0.195 | Сравнить |
Этот запуск использовал другой набор бенчмарков. Учитывайте изменения набора при чтении исторической динамики.
Сравнение запусков
| Запуск | Оценка | Стабильность | Надежность | Тестов верно | Нестабильные тесты | Общее число выходных токенов | Общее число входных токенов | Общая стоимость | Время ответа (среднее) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:19 · Набор изменён | 6.5 | 8.7 | 10.0 | 10/20 | 3 | 1,949 | 0 | $0.217 | 1.94s |
| 2026-06-04 13:46 · Добавлен новый тест | 6.4 | 8.8 | 10.0 | 10/21 | 3 | 1,971 | 34,212 | $0.231 | 1.89s |
| Разница | +0.1 | -0.1 | 0.0 | 0 | 0 | -22 | -34212 | -$0.014 | +55ms |
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.
Лучшие модели по оценке
Оценка vs Общая стоимость
Время ответа (среднее)
Оценка vs Время ответа (среднее)
Общее число выходных токенов
Оценка vs Общее число выходных токенов
Быстрое сравнение
Разбивка по категориям
| Категория | Оценка | Стабильность | Тестов верно |
|---|---|---|---|
| Анти-ИИ уловки | 6.9 | 7.9 | |
| Программирование | 6.8 | 10.0 | |
| Комбинированный | 3.0 | 10.0 | |
| Парсинг и извлечение данных | 10.0 | 10.0 | |
| Предметно-ориентированное | 2.9 | 7.2 | |
| Общий интеллект | 10.0 | 10.0 | |
| Следование инструкциям | 6.2 | 5.8 | |
| Решение головоломок | 7.7 | 10.0 | |
| Вызов инструментов | 10.0 | 10.0 | |
| Эрудиция | 3.0 | 10.0 |