#5 GPT-5.5
low- Cost
- $0.068
- Time
- 37.0s
- Tokens
- 2,339 tok
摘要
GPT-5.5 在 AI BENCHY 上得分 9.0，排名 #5。它的可靠性为 10.0，通过率为 87.0%，总成本为 $0.681，平均响应时间为 8.39s。
GPT-5.5 的独特之处： 它是总体排名最高的模型之一。
输入价格
$5.000 / 1M
输出价格
$30.000 / 1M
不稳定测试
1
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）。
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-06-04 13:47 新增测试 | 9.0 | 10.0 | $0.907 | 比较 | |
| 2026-05-22 13:31 测试集已变更 | 8.9 | 10.0 | $0.822 | 比较 | |
| 2026-05-08 15:31 测试集已变更 | 8.9 | 10.0 | $0.706 | 比较 | |
| 2026-04-26 10:23 首次运行 | 9.0 | 10.0 | $0.681 | 当前轮次 |
轮次对比
| 测试轮次 | 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） |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-26 10:23 · 首次运行 | 9.0 | 9.6 | 10.0 | 15/18 | 1 | 18,093 | 0 | $0.681 | 8.39s |
| 2026-05-22 13:31 · 测试集已变更 | 8.9 | 10.0 | 10.0 | 17/20 | 0 | 22,117 | 0 | $0.822 | 9.43s |
| 差值 | +0.1 | -0.4 | 0.0 | -2 | +1 | -4024 | 0 | -$0.142 | -1043ms |
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。