AI BENCHY 对比
OpenAI: GPT-5.2 Chat vs OpenAI: GPT-5.4
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | GPT-5.2 Chat GPT-5.2 Chat none | GPT-5.4 GPT-5.4 medium |
|---|---|---|
| 分数 | 7.9 | 7.9 |
| 排名 | #32 | #29 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 73.3% | 75.0% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 2.703 | 8.765 |
| 总成本 | $0.352 | $1.140 |
| 输入价格 | $1.750 / 1M | $2.500 / 1M |
| 输出价格 | $14.000 / 1M | $15.000 / 1M |
| 输出令牌 | 21,144 | 2,221 |
| 推理令牌 | 0 | 68,486 |
| 响应时间（平均） | 6.82s | 22.31s |
| 响应时间（最大） | 38.52s | 100.41s |
| 响应时间（总计） | 136.34s | 446.17s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 8.7 | 7.9 | 91.7% | 1 | 3.40s | 1,807 | 0 | |
| GPT-5.4 | 8.3 | 10.0 | 75.0% | 0 | 4.11s | 240 | 1,511 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 8.2 | 6.7 | 83.3% | 1 | 8.05s | 4,131 | 0 | |
| GPT-5.4 | 8.2 | 6.7 | 83.3% | 1 | 54.98s | 412 | 19,995 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 9.12s | 1,243 | 0 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 20.57s | 301 | 3,543 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 3.05s | 980 | 0 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.32s | 234 | 804 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 5.3 | 10.0 | 33.3% | 0 | 17.78s | 7,810 | 0 | |
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 74.27s | 61 | 34,748 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 4.4 | 3.0 | 33.3% | 1 | 3.20s | 335 | 0 | |
| GPT-5.4 | 4.7 | 3.1 | 33.3% | 1 | 4.92s | 145 | 321 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 9.8 | 10.0 | 100.0% | 0 | 5.51s | 1,441 | 0 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 93 | 897 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 7.7 | 10.0 | 66.7% | 0 | 4.10s | 1,603 | 0 | |
| GPT-5.4 | 8.2 | 7.2 | 88.9% | 1 | 9.14s | 441 | 3,815 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 4.68s | 555 | 0 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 264 | 1,031 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 3.0 | 10.0 | 0.0% | 0 | 6.89s | 1,239 | 0 | |
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 13.95s | 30 | 1,821 |
快速对比
切换对比组合
GPT-5.4mediumvsQwen3.7 MaxnoneGemma 4 26B A4Bmedium免费可用vsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.2 ChatnonevsGLM 5 TurbomediumGemini 3.5 FlashminimalvsGPT-5.4mediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGPT-5.2 ChatnonevsQwen3.6 35B A3BmediumGPT-5.2 ChatnonevsGrok 4.3mediumGemini 3.5 FlashminimalvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.6 PlusmediumGemma 4 31Bmedium免费可用vsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.2 Chatnone