#58 GPT-5.5
none- Cost
- $0.090
- Time
- 54.3s
- Tokens
- 3,063 tok
摘要
GPT-5.5 在 AI BENCHY 上得分 6.8，排名 #58。它的可靠性为 不适用，通过率为 61.1%，总成本为 $0.195，平均响应时间为 1.83s。
GPT-5.5 的独特之处： 它最突出的是 编程，排名 #1；相对较弱的是 指令遵循，排名 #16。 相比类似模型，它的速度明显更快。
输入价格
$5.000 / 1M
输出价格
$30.000 / 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）。
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 13:46 新增测试 | 6.4 | 10.0 | $0.231 | 比较 | |
| 2026-05-22 00:19 测试集已变更 | 6.5 | 10.0 | $0.217 | 比较 | |
| 2026-04-24 19:59 首次运行 | 6.8 | 不适用 | $0.195 | 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） |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-24 19:59 · 首次运行 | 6.8 | 8.3 | 不适用 | 9/18 | 4 | 1,910 | 0 | $0.195 | 1.83s |
| 2026-05-22 00:19 · 测试集已变更 | 6.5 | 8.7 | 10.0 | 10/20 | 3 | 1,949 | 0 | $0.217 | 1.94s |
| 差值 | +0.2 | -0.4 | -1 | +1 | -39 | 0 | -$0.022 | -117ms |
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。