AI BENCHY 对比
OpenAI: GPT-5.4 vs Hunter Alpha
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | GPT-5.4 GPT-5.4 none | Hunter Alpha Hunter Alpha none |
|---|---|---|
| 排名 | #51 | #50 |
| 平均分 | 4.5 | 4.6 |
| 一致性 | 8.9 | 8.0 |
| 每个结果成本 | 1.562 | 0.000 |
| 总成本 | $0.094 | $0.000 |
| 测试正确 | ||
| 尝试通过率 | 41.7% | 52.1% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 1,819 | 2,272 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.48s | 4.64s |
| 响应时间（最大） | 2.89s | 15.17s |
| 响应时间（总计） | 23.64s | 74.24s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 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 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 | |
| Hunter Alpha | 1.3 | 7.4 | 22.2% | 1 | 3.85s | 773 | 0 |
| 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 | 0.0% | 0 | 2.89s | 291 | 0 | |
| Hunter Alpha | 10.0 | 10.0 | 0.0% | 0 | 15.17s | 379 | 0 |
| 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 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| Hunter Alpha | 9.9 | 10.0 | 100.0% | 0 | 8.49s | 249 | 0 |
| 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 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| Hunter Alpha | 4.0 | 10.0 | 33.3% | 0 | 2.33s | 27 | 0 |
| 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 | 3.0 | 9.9 | 0.0% | 0 | 1.78s | 184 | 0 | |
| Hunter Alpha | 5.0 | 3.1 | 66.7% | 1 | 2.71s | 91 | 0 |
| 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 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| Hunter Alpha | 5.0 | 10.0 | 50.0% | 0 | 2.82s | 69 | 0 |
| Puzzle Solving | 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 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| Hunter Alpha | 4.0 | 4.4 | 66.7% | 2 | 3.06s | 349 | 0 |
| 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 | 2.75s | 246 | 0 | |
| Hunter Alpha | 10.0 | 10.0 | 100.0% | 0 | 6.02s | 335 | 0 |
快速对比
切换对比组合
MiniMax M2.5mediumvsHunter AlphanoneMiniMax M2.5mediumvsGPT-5.4noneHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumGPT-5.4nonevsGrok 4.20 Multi-Agent Betamediumgpt-oss-120bmedium免费可用vsHunter AlphanoneMercury 2mediumvsHunter AlphanoneMercury 2mediumvsGPT-5.4noneHunter AlphanonevsQwen3.5-35B-A3BmediumGPT-5 NanomediumvsHunter AlphanoneGPT-5.4nonevsQwen3 Coder NextmediumGPT-5.4nonevsQwen3.5-35B-A3BmediumHunter AlphanonevsQwen3 Coder Nextmedium