gpt-5.5
84.7%±2.1%
82.6%CI86.8%
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.308
- Ultima sincronizare
- 1 hacum 1 oră
Toate sursele se sincronizează normal
- Arena · Text· acum 11 ore
- Arena · WebDev· acum 11 ore
- Arena · Vision· acum 11 ore
- Arena · Agent· acum 11 ore
- GPQA Diamond· acum 1 oră
- SWE-bench· acum 1 oră
- Terminal-Bench· acum 1 oră
- ARC-AGI-2· acum 1 oră
Filtrează după organizație:
Lansat:
gpt-5.4-2026-03-05
81.8%±2.0%
79.8%CI83.8%
gpt-5.3-codex
78.4%±2.2%
76.2%CI80.6%
O singură grilă, toate coloanele. Alege axe din panoul Axe — o axă clasifică precum un singur clasament, mai multe se combină într-un scor compus ponderat, toate la un loc se citesc ca indexul. Locul este atribuit înaintea oricărui filtru și nu se renumerotează niciodată.
| Model | Organizație | ± CI | Oscilație | Adaugă la comparație | |||||
|---|---|---|---|---|---|---|---|---|---|
| 1 | gpt-5.5 | OpenAI | sept. 2026 | $5 / $30 | 84.7% | 82.6%–86.8% | #9–34 | ||
| 2 | gpt-5.4-2026-03-05 | OpenAI | sept. 2026 | $2.50 / $15 | 81.8% | 79.8%–83.8% | #12–29 | ||
| 6 | gpt-5.3-codex | OpenAI | oct. 2026 | $1.75 / $14 | 78.4% | 76.2%–80.6% | #28–236 | ||
| 8 | gpt-5.2-codex | OpenAI | oct. 2026 | $1.75 / $14 | 66.5% | 63.5%–69.6% | #37–370 | ||
| 9 | gpt-5.2-2025-12-11 | OpenAI | dec. 2025 | $1.75 / $14 | 64.9% | 62.2%–67.7% | #34–92 | ||
| 12 | gpt-5.1-codex-mini | OpenAI | oct. 2026 | $0.25 / $2 | 61.6% | 59.7%–63.5% | #54–425 | ||
| 13 | gpt-5.1-codex-max | OpenAI | oct. 2026 | $1.25 / $10 | 60.4% | 57.8%–63.1% | #52–375 | ||
| 17 | gpt-5-2025-08-07 | OpenAI | aug. 2025 | $1.25 / $10 | 49.6% | 46.7%–52.5% | #64–149 | ||
| 18 | gpt-5.1-2025-11-13 | OpenAI | nov. 2025 | $1.25 / $10 | 47.6% | 44.8%–50.4% | #45–242 | ||
| 21 | gpt-5-codex | OpenAI | — | — | 44.3% | 41.6%–47.0% | #17–142 | ||
| 29 | gpt-5-mini-2025-08-07 | OpenAI | aug. 2025 | $0.25 / $2 | 34.8% | 32.1%–37.5% | #126–343 | ||
| 39 | gpt-5-nano-2025-08-07 | OpenAI | aug. 2025 | $0.05 / $0.40 | 21.8% | 19.0%–24.6% | #132–399 |
Se afișează Terminal-Bench exact așa cum a publicat-o sursa — propriul scor și interval de încredere, fără mix. Selectează o a doua axă ca să construiești un scor compus ponderat.