#144 GPT-4o-mini
none- 成本
- $0.001
- 时间
- 6.6s
- 令牌
- 742 tok
AI BENCHY 对比
OpenAI: GPT-4o-mini vs OpenAI: GPT-5.5
摘要
GPT-4o-mini vs GPT-5.5 benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 5.0。 GPT-4o-mini benchmark 成本更低，为 $0.006 vs $0.907。 GPT-4o-mini 更快，为 1.77s vs 9.76s，通过率为 23.8% vs 85.7%。
推荐模型: GPT-5.5 - 它在本次比较中得分最高（9.3），并且在全部 2 个模型中兼顾成本和响应时间最好。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02
| 指标 | GPT-4o-mini GPT-4o-mini none | GPT-5.5 GPT-5.5 low |
|---|---|---|
| 分数 | 5.0 | 9.3 |
| 排名 | #144 | #4 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.9 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 23.8% | 85.7% |
| 不稳定测试 | 0 | 0 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 0.119 | 5.035 |
| 总成本 | $0.006 | $0.907 |
| 输入价格 | $0.150 / 1M | $5.000 / 1M |
| 输出价格 | $0.600 / 1M | $30.000 / 1M |
| 总输入令牌 | 31,518 | 34,209 |
| 输出令牌 | 1,982 | 2,046 |
| 推理令牌 | 0 | 22,460 |
| 响应时间（平均） | 1.77s | 9.76s |
| 响应时间（最大） | 7.58s | 56.19s |
| 响应时间（总计） | 24.80s | 204.92s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#4 GPT-5.5
low- 成本
- $0.068
- 时间
- 37.0s
- 令牌
- 2,339 tok
按分数排名的模型
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.8 | 10.0 | 25.0% | 0 | 1.34s | 618 | 186 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.41s | 606 | 238 | 1,020 |
| 编程 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.2 | 9.6 | 0.0% | 0 | 1.63s | 7,314 | 367 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 15.04s | 7,302 | 423 | 6,402 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 7.58s | 8,298 | 568 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 11,019 | 303 | 717 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 7,161 | 183 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 7,140 | 228 | 157 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 637ms | 732 | 15 | 0 | |
| GPT-5.5 | 5.3 | 10.0 | 33.3% | 0 | 28.05s | 723 | 69 | 11,609 |
| 通用智能 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.0 | 10.0 | 0.0% | 0 | 909ms | 480 | 66 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 5.17s | 477 | 133 | 245 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 6.3 | 10.0 | 50.0% | 0 | 1.11s | 666 | 69 | 0 | |
| GPT-5.5 | 9.9 | 10.0 | 100.0% | 0 | 3.74s | 660 | 93 | 415 |
| 谜题求解 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.5 | 10.0 | 0.0% | 0 | 1.21s | 651 | 308 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.74s | 642 | 279 | 954 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 5,400 | 205 | 0 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.96s | 5,445 | 250 | 101 |
| 常识问答 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 794ms | 198 | 15 | 0 | |
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 10.06s | 195 | 30 | 840 |
快速对比
切换对比组合
CobuddymediumvsGPT-4o-mininoneGPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowMistral Small 4mediumvsGPT-4o-mininoneGemini 3.5 FlashmediumvsGPT-5.5lowMiniMax M2.5mediumvsGPT-4o-mininoneMiniMax M2.7mediumvsGPT-4o-mininoneGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-4o-mininonevsQwen3 Coder NextmediumGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5low