Urambazaji
AI BENCHY
Linganisha Chati
❤️ Made by XCS
Your ad here

AI BENCHY Compare

OpenAI: GPT-4o-mini vs OpenAI: GPT-5.2

Jina la modeli:

Benchmark zimetengenezwa kutoka seti za majaribio za AI BENCHY tarehe : 2026-02-27 15:16

Muhtasari

Kipimo OpenAI: GPT-4o-mini none Toleo: Tarehe ya kutolewa haijulikani OpenAI: GPT-5.2 medium Toleo: Tarehe ya kutolewa haijulikani
Nafasi #28 #12
Alama 4.86 6.93
Uthabiti 9.98 8.22
Gharama kwa matokeo 0.056 2.780
Jumla ya gharama $0.003 $0.251
Majaribio sahihi
Majaribio yenye makosa 9 5
Kiwango cha kupita kwa kila jaribio 35.7% 76.2%
Majaribio yasiyo thabiti 0 3
Tokeni za matokeo 949 1,869
Tokeni za hoja 0 14,190

Mgawanyo wa kategoria

Mbinu za kupinga AI Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 4.00 10.00 33.3% 0 180 0
OpenAI: GPT-5.2 7.00 7.28 77.8% 1 549 2,002
Uchanganuzi na uchimbaji wa data Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 10.00 10.00 100.0% 0 183 0
OpenAI: GPT-5.2 10.00 10.00 100.0% 0 234 499
Mahususi kwa domeni Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 1.00 10.00 0.0% 0 15 0
OpenAI: GPT-5.2 4.00 7.21 55.6% 1 42 9,690
Ufuataji wa maagizo Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 5.50 10.00 50.0% 0 71 0
OpenAI: GPT-5.2 9.50 10.00 100.0% 0 95 587
Puzzle Solving Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 4.00 9.92 0.0% 0 295 0
OpenAI: GPT-5.2 8.00 10.00 66.7% 0 710 943
Mwito wa zana Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 10.00 10.00 100.0% 0 205 0
OpenAI: GPT-5.2 1.00 1.62 66.7% 1 239 469

Badilisha jozi ya ulinganisho