导航
AI BENCHY
Your ad here

AI BENCHY 对比

已对比模型

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-01

指标 GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05 GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17 GPT-5.4 Nano GPT-5.4 Nano medium 发布日期: 2026-03-17 GPT-5 Mini GPT-5 Mini medium 发布日期: 2025-08-07
分数 8.2 7.3 7.6 7.0
排名 #23 #58 #51 #59
可靠性 不适用 不适用 不适用 不适用
一致性 8.7 7.4 9.0 8.6
测试正确
尝试通过率 79.6% 70.4% 68.5% 61.1%
不稳定测试 3 6 2 3
总运行次数 54 54 54 54
每个结果成本 6.399 3.313 0.747 1.415
总成本 $0.832 $0.299 $0.083 $0.128
???? $2.500 / 1M $0.750 / 1M $0.200 / 1M $0.250 / 1M
???? $15.000 / 1M $4.500 / 1M $1.250 / 1M $2.000 / 1M
输出令牌 2,169 2,131 2,946 6,379
推理令牌 48,732 59,567 58,132 53,482
响应时间（平均） 18.63s 15.22s 11.21s 23.98s
响应时间（最大） 100.41s 102.91s 94.06s 88.15s
响应时间（总计） 335.26s 273.90s 201.80s 431.56s

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） 输出令牌 推理令牌
GPT-5.4 8.3 10.0 75.0% 0 4.11s 240 1,511
GPT-5.4 Mini 8.6 7.9 91.7% 1 4.05s 296 2,876
GPT-5.4 Nano 8.3 10.0 75.0% 0 4.52s 683 2,254
GPT-5 Mini 7.1 7.6 66.7% 1 13.86s 1,715 6,378
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-5.4 10.0 10.0 100.0% 0 13.03s 389 2,045
GPT-5.4 Mini 10.0 10.0 100.0% 0 7.76s 423 1,548
GPT-5.4 Nano 10.0 10.0 100.0% 0 13.41s 472 3,616
GPT-5 Mini 10.0 10.0 100.0% 0 23.18s 483 4,160
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-5.4 10.0 10.0 100.0% 0 20.57s 301 3,543
GPT-5.4 Mini 10.0 10.0 100.0% 0 17.81s 317 4,317
GPT-5.4 Nano 9.8 10.0 100.0% 0 24.13s 349 5,719
GPT-5 Mini 10.0 10.0 100.0% 0 88.15s 754 11,520
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-5.4 10.0 10.0 100.0% 0 5.32s 234 804
GPT-5.4 Mini 10.0 10.0 100.0% 0 2.43s 234 650
GPT-5.4 Nano 10.0 10.0 100.0% 0 2.54s 234 516
GPT-5 Mini 10.0 10.0 100.0% 0 12.58s 453 3,200
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-5.4 5.3 7.2 44.4% 1 74.27s 61 34,748
GPT-5.4 Mini 4.1 4.4 44.5% 2 65.31s 60 43,286
GPT-5.4 Nano 5.9 7.2 55.6% 1 38.18s 60 43,325
GPT-5 Mini 3.6 7.2 22.2% 1 44.63s 293 14,016
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-5.4 4.7 3.1 33.3% 1 4.92s 145 321
GPT-5.4 Mini 4.5 10.0 0.0% 0 3.72s 150 510
GPT-5.4 Nano 4.5 10.0 0.0% 0 4.15s 179 443
GPT-5 Mini 4.5 10.0 0.0% 0 13.50s 349 1,856
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-5.4 10.0 10.0 100.0% 0 3.11s 93 897
GPT-5.4 Mini 7.4 6.7 66.7% 1 2.50s 129 1,337
GPT-5.4 Nano 9.8 10.0 100.0% 0 1.88s 95 521
GPT-5 Mini 7.9 6.5 83.3% 1 15.66s 318 4,992
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-5.4 8.2 7.2 88.9% 1 9.13s 442 3,832
GPT-5.4 Mini 6.8 7.9 55.6% 1 4.33s 271 2,449
GPT-5.4 Nano 4.0 7.1 22.2% 1 3.65s 640 1,356
GPT-5 Mini 5.6 9.8 33.3% 0 14.09s 1,527 5,760
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-5.4 10.0 10.0 100.0% 0 13.28s 264 1,031
GPT-5.4 Mini 4.7 1.6 66.7% 1 9.62s 251 2,594
GPT-5.4 Nano 10.0 10.0 100.0% 0 7.71s 234 382
GPT-5 Mini 10.0 10.0 100.0% 0 18.64s 487 1,600

快速对比

切换对比组合

GPT-5.4 NanomediumvsQwen3.6 Max PreviewnoneDeepSeek V4 ProhighvsGPT-5 MinimediumGPT-5.4mediumvsHY3 Previewlow免费可用Gemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemma 4 31Bnone免费可用vsGPT-5 MinimediumClaude Sonnet 4.6nonevsGPT-5.4 NanomediumClaude Sonnet 4.6nonevsGPT-5.4 MinimediumGPT-5 MinimediumvsQwen3.5 Plus 2026-02-15noneDeepSeek V4 FlashhighvsGPT-5.4 NanomediumGPT-5.4 MinimediumvsQwen3.6 Max PreviewnoneDeepSeek V4 ProhighvsGPT-5.4 Minimedium