AI BENCHY 对比
OpenAI: GPT-5.4 Mini vs OpenAI: GPT-5 Mini
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-01
| 指标 | GPT-5.4 Mini GPT-5.4 Mini medium | GPT-5 Mini GPT-5 Mini medium |
|---|---|---|
| 分数 | 7.3 | 7.0 |
| 排名 | #58 | #59 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 7.4 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 70.4% | 61.1% |
| 不稳定测试 | 6 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 3.313 | 1.415 |
| 总成本 | $0.299 | $0.128 |
| ???? | $0.750 / 1M | $0.250 / 1M |
| ???? | $4.500 / 1M | $2.000 / 1M |
| 输出令牌 | 2,131 | 6,379 |
| 推理令牌 | 59,567 | 53,482 |
| 响应时间（平均） | 15.22s | 23.98s |
| 响应时间（最大） | 102.91s | 88.15s |
| 响应时间（总计） | 273.90s | 431.56s |
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 Mini | 8.6 | 7.9 | 91.7% | 1 | 4.05s | 296 | 2,876 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 7.76s | 423 | 1,548 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 17.81s | 317 | 4,317 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 234 | 650 | |
| 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 Mini | 4.1 | 4.4 | 44.5% | 2 | 65.31s | 60 | 43,286 | |
| 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 Mini | 4.5 | 10.0 | 0.0% | 0 | 3.72s | 150 | 510 | |
| 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 Mini | 7.4 | 6.7 | 66.7% | 1 | 2.50s | 129 | 1,337 | |
| 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 Mini | 6.8 | 7.9 | 55.6% | 1 | 4.33s | 271 | 2,449 | |
| 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 Mini | 4.7 | 1.6 | 66.7% | 1 | 9.62s | 251 | 2,594 | |
| 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
DeepSeek V4 ProhighvsGPT-5 MinimediumGemma 4 31Bnone免费可用vsGPT-5 MinimediumClaude Sonnet 4.6nonevsGPT-5.4 MinimediumGPT-5 MinimediumvsQwen3.5 Plus 2026-02-15noneGPT-5.4 MinimediumvsQwen3.6 Max PreviewnoneDeepSeek V4 ProhighvsGPT-5.4 MinimediumGemma 4 31Bnone免费可用vsGPT-5.4 MinimediumGPT-5 MinimediumvsGLM 5noneClaude Sonnet 4.6nonevsGPT-5 MinimediumGPT-5.4 MinimediumvsQwen3.5 Plus 2026-02-15noneGPT-5 MinimediumvsQwen3.6 Max PreviewnoneGPT-5 MinimediumvsMiMo-V2-Omninone