#49 GPT-5.4 Mini
medium- لاگت
- $0.056
- وقت
- 95.5s
- ٹوکنز
- 12,464 tok
OpenAI
اجرا: 2026-03-17
ٹیسٹ کیا گیا: 2026-04-11 01:44
openai/gpt-5.4-mini::medium
~400B کل (~17B فعال)MoEبند ماخذتخمینہ
(medium)
(none)
خلاصہ
GPT-5.4 Mini AI BENCHY پر 7.3 اسکور کرتا ہے اور #49 پر ہے۔ اس کی reliability دستیاب نہیں، pass rate 70.4%، کل لاگت $0.299، اور اوسط response time 15.22s ہے۔
ماڈل کی تفصیلات
تحقیق کی تاریخ: 2026-08-12
- پیرامیٹرز
- ~400B کل (~17B فعال)
- ساخت
- MoE
- دستیابی
- بند ماخذ
- لائسنس
- -
عوامی شواہد کی بنیاد پر بہترین تخمینہ؛ فراہم کنندہ نے تمام اقدار ظاہر نہیں کیں۔
7.3
تسلسل
7.4
دستیاب نہیں
$0.299
کل آؤٹ پٹ ٹوکنز
61,698
کل ان پٹ ٹوکنز
0
ان پٹ قیمت
$0.750 / 1M
آؤٹ پٹ قیمت
$4.500 / 1M
غیر مستحکم ٹیسٹ
6
غیر مستحکم ٹیسٹس میں رنز کے درمیان ملے جلے نتائج آئے (کم از کم ایک کامیاب اور ایک ناکام).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
رن ہسٹری
| ٹیسٹ کیا گیا | اسکور | اعتماد پذیری | درست ٹیسٹس | کل لاگت | موازنہ کریں |
|---|---|---|---|---|---|
| 2026-08-14 02:19 دوبارہ ٹیسٹ | 7.5 | 10.0 | $0.786 | موازنہ کریں | |
| 2026-07-16 22:38 نیا ٹیسٹ شامل ہوا | 7.5 | 10.0 | $0.756 | موازنہ کریں | |
| 2026-06-04 13:47 نیا ٹیسٹ شامل ہوا | 7.5 | 10.0 | $0.526 | موازنہ کریں | |
| 2026-05-22 00:21 سوٹ بدل گیا | 7.1 | 10.0 | $0.487 | موازنہ کریں | |
| 2026-04-11 01:44 پہلا ریکارڈ شدہ رن | 7.3 | دستیاب نہیں | $0.299 | موجودہ رن |
رن موازنہ
| رن | بینچ مارک کوریج | اسکور | تسلسل | اعتماد پذیری | درست ٹیسٹس | غیر مستحکم ٹیسٹ | کل آؤٹ پٹ ٹوکنز | کل ان پٹ ٹوکنز | کل لاگت | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · پہلا ریکارڈ شدہ رن | 54/54 کوششیں | 7.3 | 7.4 | دستیاب نہیں | 9/18 | 6 | 61,698 | 0 | $0.299 | 15.22s |
| 2026-05-22 00:21 · سوٹ بدل گیا | 60/60 کوششیں | 7.1 | 7.6 | 10.0 | 10/20 | 6 | 102,892 | 0 | $0.487 | 22.14s |
| فرق | — | +0.2 | -0.2 | -1 | 0 | -41194 | 0 | -$0.189 | -6920ms |
بینچ مارک کوریج مختلف ہے: 54/54 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔) بمقابلہ 60/60 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔)۔ مجموعے اور تکرار سے متاثر ہونے والے پیمانے براہ راست قابل موازنہ نہیں ہیں۔
ان دو رنز میں مختلف بینچ مارک سوٹس استعمال ہوئے تھے، اس لیے فرق میں ماڈل کی تبدیلی اور سوٹ کی تبدیلی دونوں شامل ہیں۔
چارٹس
پہلا ماڈل منتخب کریں، پھر دوسرا ماڈل کلک کریں تاکہ سائیڈ بائی سائیڈ صفحہ کھلے۔
اسکور کے لحاظ سے سرفہرست ماڈلز
اسکور vs کل لاگت
ردِعمل کا وقت (اوسط)
اسکور vs ردِعمل کا وقت (اوسط)
کل آؤٹ پٹ ٹوکنز
اسکور vs کل آؤٹ پٹ ٹوکنز
فوری موازنہ
GPT-5.4 MinimediumvsMercury 2.5 PreviewmediumGPT-5.4 MinimediumvsGrok Build 0.1mediumGPT-5.4 MinimediumvsQwen3.5-27BmediumGPT-5.4 MinimediumvsGemini 3.8 FlashlowGPT-5.4 MinimediumvsQwen3.5 Plus 2026-02-15mediumGPT-5.4 MinimediumvsGemini 3.1 Flash Lite PreviewmediumGPT-5.4 MinimediumvsGPT 5.3 ChatnoneGPT-5.4 MinimediumvsQwen3.7 MaxnoneGPT-5.4 MinimediumvsMiniMax M3mediumGPT-5.4 MinimediumvsKimi K2.7 Codemedium
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| اینٹی اے آئی چالیں | 8.6 | 7.9 | |
| کوڈنگ | 10.0 | 10.0 | |
| مشترکہ | 10.0 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 10.0 | 10.0 | |
| ڈومین مخصوص | 4.1 | 4.4 | |
| عمومی ذہانت | 4.5 | 10.0 | |
| ہدایات کی پیروی | 7.4 | 6.5 | |
| پہیلی حل کرنا | 6.8 | 7.9 | |
| ٹول کالنگ | 4.7 | 1.6 |