AI BENCHY 对比
OpenAI: GPT-4o-mini vs OpenAI: GPT-5.4
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-05
| 指标 | OpenAI: GPT-4o-mini none 发布日期: 2024-07-18 | OpenAI: GPT-5.4 none 发布日期: 2026-03-05 |
|---|---|---|
| 排名 | #46 | #44 |
| 平均分 | 4.1 | 4.6 |
| 测试正确 | ||
| 一致性 | 10.0 | 8.9 |
| 每个结果成本 | 0.111 | 1.496 |
| 总成本 | $0.005 | $0.090 |
| 尝试通过率 | 26.7% | 44.4% |
| 不稳定测试 | 0 | 2 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| 输出令牌 | 1,528 | 1,635 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.21s | 1.46s |
| 响应时间（最大） | 7.58s | 2.89s |
| 响应时间（总计） | 17.69s | 21.86s |
响应时间（平均）
分数 vs 总成本
平均分 vs 响应时间（平均）
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 4.0 | 10.0 | 33.3% | 0 | 1.83s | 180 | 0 | |
| OpenAI: GPT-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 10.0 | 10.0 | 0.0% | 0 | 7.58s | 568 | 0 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 9.9 | 10.0 | 100.0% | 0 | 1.27s | 183 | 0 | |
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 10.0 | 10.0 | 0.0% | 0 | 637ms | 15 | 0 | |
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 4.5 | 10.0 | 0.0% | 0 | 1.27s | 69 | 0 | |
| OpenAI: GPT-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 |
| Puzzle Solving | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 2.3 | 10.0 | 0.0% | 0 | 1.30s | 308 | 0 | |
| OpenAI: GPT-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 205 | 0 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 |
快速对比
切换对比组合
MiniMax M2.5mediumvsGPT-5.4noneMiniMax M2.5mediumvsGPT-4o-mininoneGPT-4o-mininonevsQwen3 Coder NextmediumGPT-4o-mininonevsGLM 4.7 FlashmediumMercury 2mediumvsGPT-5.4noneGPT-5.4nonevsQwen3.5-35B-A3BmediumGPT-5.4nonevsQwen3 Coder NextmediumGPT-5.4nonevsGLM 4.7 FlashmediumMercury 2mediumvsGPT-4o-mininoneGPT-4o-mininonevsQwen3.5-35B-A3BmediumClaude Opus 4.6mediumvsGPT-5.4noneKimi K2.5mediumvsGPT-5.4none