#41 GPT-5.2
medium- 成本
- $0.047
- 时间
- 49.2s
- 令牌
- 3,396 tok
OpenAI
发布日期: 2025-12-11
测试于: 2026-08-14 02:17
openai/gpt-5.2::medium
~1.2T 总计 (~80B 激活)MoE闭源估算 摘要
GPT-5.2 在 AI BENCHY 上得分 8.4，排名 #41。它的可靠性为 10.0，通过率为 72.7%，总成本为 $1.182，平均响应时间为 28.51s。
GPT-5.2 的独特之处： 它最突出的是 领域专项，排名 #1；相对较弱的是 反AI技巧，排名 #17。
模型信息
调研日期：2026-08-12
- 参数量
- ~1.2T 总计 (~80B 激活)
- 架构
- MoE
- 开放状态
- 闭源
- 许可证
- -
基于公开证据的最佳估算；厂商未披露全部数值。
输入价格
$1.750 / 1M
输出价格
$14.000 / 1M
不稳定测试
4
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-08-14 02:17 重新测试 | 8.4 | 10.0 | $1.182 | 当前轮次 | |
| 2026-07-16 22:37 新增测试 | 8.4 | 10.0 | $0.951 | 比较 | |
| 2026-06-04 13:45 新增测试 | 7.5 | 10.0 | $0.548 | 比较 | |
| 2026-05-22 00:19 重新测试 | 7.4 | 10.0 | $0.490 | 比较 | |
| 2026-04-11 01:44 首次记录的运行 | 7.5 | 不适用 | $0.352 | 比较 |
此轮次使用了不同的基准测试集。解读历史变化时请将测试集变动考虑在内。
轮次对比
| 测试轮次 | 基准测试覆盖率 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总输入令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-14 02:17 · 当前轮次 | 66/66 次尝试 | 8.4 | 8.5 | 10.0 | 14/22 | 4 | 71,252 | 105,013 | $1.182 | 28.51s |
| 2026-06-04 13:45 · 新增测试 | 63/63 次尝试 | 7.5 | 8.4 | 10.0 | 13/21 | 4 | 34,833 | 33,967 | $0.548 | 16.88s |
| 差值 | — | +0.9 | +0.1 | 0.0 | +1 | 0 | +36419 | +71046 | +$0.635 | +11627ms |
基准测试覆盖率不同：66/66 次尝试 (目标：每项测试重复 3 次) 对比 63/63 次尝试 (目标：每项测试重复 3 次)。总量和受重复次数影响的指标不能直接比较。
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
价格历史
来自 OpenRouter 的该模型历史定价数据。
| 日期 | 输入价格 | 输出价格 |
|---|---|---|
| 2026-08-14 12:51 | $1.750 / 1M | $14.000 / 1M |
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
GPT-5.2mediumvsGrok 4.5lowGPT-5.2mediumvsQwen3.8 27BhighGPT-5.2mediumvsGrok 4.6mediumGPT-5.2mediumvsSeed 2.1 TurbomediumGPT-5.2mediumvsMuse Spark 1.2lowGPT-5.2mediumvsInkling SmallhighGPT-5.2mediumvsGrok 4.5mediumGPT-5.2mediumvsMuse Spark 1.1lowGPT-5.2mediumvsGPT-5.4mediumGPT-5.2mediumvsGemini 2.5 Flashmedium