#45 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: 2026-04-11 01:44
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 7.5，排名 #45。它的可靠性为 不适用，通过率为 72.2%，总成本为 $0.352，平均响应时间为 14.04s。
GPT-5.2 的独特之处： 它最突出的是 领域专项，排名 #2；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 | 比较 | |
| 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 | 当前轮次 |
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） |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · 首次记录的运行 | 54/54 次尝试 | 7.5 | 8.1 | 不适用 | 11/18 | 4 | 21,682 | 0 | $0.352 | 14.04s |
| 2026-07-16 22:37 · 新增测试 | 66/66 次尝试 | 8.4 | 8.5 | 10.0 | 14/22 | 4 | 54,782 | 105,004 | $0.951 | 22.62s |
| 差值 | — | -0.9 | -0.4 | -3 | 0 | -33100 | -105004 | -$0.600 | -8582ms |
基准测试覆盖率不同：54/54 次尝试 (目标：每项测试重复 3 次) 对比 66/66 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。
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