导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.4 Mini vs OpenAI: GPT-5 Mini

摘要

GPT-5.4 Mini vs GPT-5 Mini benchmark 对比：GPT-5 Mini 平均分领先，为 8.5 vs 8.0。 GPT-5 Mini benchmark 成本更低，为 $0.159 vs $0.526。 GPT-5.4 Mini 更快，为 22.34s vs 23.64s，通过率为 73.0% vs 63.5%。

推荐模型: GPT-5 Mini - 它在这里得分最高（8.5），同时成本比GPT-5.4 Mini低约 3.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17 GPT-5 Mini GPT-5 Mini medium 发布日期: 2025-08-07
分数 8.0 8.5
排名 #31 #19
可靠性 10.0 10.0
一致性 8.0 9.1
测试正确
尝试通过率 73.0% 63.5%
不稳定测试 5 2
总运行次数 63 63
每个结果成本 4.381 1.319
总成本 $0.526 $0.159
输入价格 $0.750 / 1M $0.250 / 1M
输出价格 $4.500 / 1M $2.000 / 1M
总输入令牌 34,116 37,100
输出令牌 2,181 6,801
推理令牌 108,937 67,690
响应时间（平均） 22.34s 23.64s
响应时间（最大） 138.75s 88.15s
响应时间（总计） 469.20s 496.44s

Generation showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#31 GPT-5.4 Mini

medium
Cost
$0.056
Time
95.5s
Tokens
12,464 tok

#19 GPT-5 Mini

medium
Cost
$0.007
Time
42.9s
Tokens
3,432 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-5.4 Mini 8.6 7.9 91.7% 1 4.05s 606 296 2,876
GPT-5 Mini 7.1 7.6 66.7% 1 13.86s 606 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 8.4 7.4 88.9% 1 57.87s 7,305 467 40,902
GPT-5 Mini 10.0 10.0 100.0% 0 27.63s 7,302 658 17,152
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-5.4 Mini 10.0 10.0 100.0% 0 17.81s 11,019 317 4,317
GPT-5 Mini 10.0 10.0 100.0% 0 88.15s 14,118 754 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 10.0 10.0 100.0% 0 2.43s 7,140 234 650
GPT-5 Mini 10.0 10.0 100.0% 0 12.58s 7,140 453 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 4.1 4.4 44.5% 2 65.31s 619 60 43,286
GPT-5 Mini 3.6 7.2 22.2% 1 44.63s 515 293 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 4.5 10.0 0.0% 0 3.72s 477 150 510
GPT-5 Mini 4.5 10.0 0.0% 0 13.50s 477 349 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 9.8 10.0 100.0% 0 2.13s 660 96 1,185
GPT-5 Mini 10.0 10.0 100.0% 0 11.59s 660 310 3,968
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-5.4 Mini 7.8 10.0 66.7% 0 4.37s 642 278 2,443
GPT-5 Mini 5.6 9.8 33.3% 0 15.20s 642 1,622 6,144
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-5.4 Mini 4.7 1.6 66.7% 1 9.62s 5,453 251 2,594
GPT-5 Mini 10.0 10.0 100.0% 0 18.64s 5,445 487 1,600
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-5.4 Mini 3.0 10.0 0.0% 0 30.10s 195 32 10,174
GPT-5 Mini 3.0 10.0 0.0% 0 9.99s 195 160 1,856

快速对比

切换对比组合

DeepSeek V4 ProhighvsGPT-5.4 MinimediumDeepSeek V4 FlashhighvsGPT-5.4 MinimediumDeepSeek V4 FlashhighvsGPT-5 MinimediumGPT-5.4 MinimediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGPT-5 MinimediumGemini 3 Flash PreviewlowvsGPT-5.4 MinimediumClaude Sonnet 4.6nonevsGPT-5.4 MinimediumGemini 3.5 FlashlowvsGPT-5 MinimediumClaude Opus 4.8nonevsGPT-5.4 MinimediumDeepSeek V4 PrononevsGPT-5.4 MinimediumGPT-5 MinimediumvsStep 3.7 FlashlowGPT-5.4 MinimediumvsQwen3.7 Plusnone