Hubris
Скачать из Google PlayСкачайте из RuStore
hubris

GPT-5.4илиGranite 4.2 8B

Главная разница — цена: Granite дешевле в 41,7 раза на входе и в 100,0 раза на выходе. Ниже — счёт по трём источникам: что заявили поставщики, что намерила независимая лаборатория и что мы видим на реальных запросах. Переключатель «что важнее» меняет счёт — проверьте свой расклад.

  • Поставщик карточки моделей и правила кэша
  • Лаборатория Artificial Analysis, одна методика на обе
  • Hubris наши реальные запросы за 30 дней

Сводная оценка Лаборатория Hubris

Одно число на модель от 0 до 100: качество, скорость, цена, кэш и возможности, нормированные по всему каталогу. Засечки — остальные модели на той же шкале.

GPT-5.4316 ₽ · openai · март 2026
DeepSeek ProFableAstraSonnet
56+4 %
Granite 4.2 8B7,57 ₽ · ibm-granite · август 2026
FlashSonnetOpusFlash
54

GPT-5.4 и Granite идут вровень по сводной оценке при выбранных весах — разница 4 %. Смотрите раунды: перевес есть, но в разных местах.

Счёт по раундам 39 : 31
1Качество с рассуждениямине считаетсялаборатория ещё не измерила GPT-5.4 в этом режиме—:—
2Качество без рассужденийне считаетсялаборатория ещё не измерила GPT-5.4 в этом режиме—:—
3Кодне считаетсялаборатория ещё не измерила GPT-5.4 в этих задачах—:—
4Математикане считаетсялаборатория ещё не измерила GPT-5.4 в этих задачах—:—
5Инструменты и агентвызов инструментов и работа в терминале10:2
6Следование инструкциямне считаетсялаборатория ещё не измерила GPT-5.4 в этих задачах—:—
7Длинный контекстрассуждения на длинном контексте10:5
8Скоростьне считаетсяпо Granite 4.2 8B пока мало запросов, чтобы мерить скорость—:—
9Цена316 ₽ против 7,57 ₽ за миллион на входе0:1010Кэшавтоматический против автоматический9:911Возможностиконтекст, вход, рассуждения, приватность10:5
Правила одни для всех сравнений: лучший в раунде получает 10, второй — пропорционально отставанию, разница до 5 % — ничья, обеим по 10. Раунд 1 и 2 и 3 и 4 и 6 и 8 в счёт не идёт: лаборатория ещё не опубликовала замер — максимум уменьшен. «Бюджет и скорость» удваивает цену и скорость, «Качество любой ценой» удваивает качество и не считает цену. Как считаем — в методике.

Раунд 1 из 11

Качество с рассуждениями

—:—раунд не считается — нет замера

Качество мы не измеряем — это цифры независимой лаборатории: девять тестов одной методикой на обе модели, рассуждения включены на максимум. Шкала от 0 до 100.

Индекс интеллекта Лаборатория

Artificial Analysis. Замеры: GPT-5.4 (Non-reasoning), Granite 4.2 8B.

С рассуждениями на максимумкак в карточках поставщиков

Лаборатория ещё не измерила GPT-5.4 в этом режиме — раунд в счёт не идёт.

GPQA Diamondвопросы уровня аспирантуры, справочно
92 %
63,1 %
Humanity's Last Examсамый трудный набор задач, справочно
43,7 %
9,7 %
MMLU-Proширокие знания, справочно

Лаборатория ещё не измерила GPT-5.4 в этом режиме — раунд в счёт не идёт.

Сторонние оценки LMArena · MERA

Справочно, очков не дают. LMArena — рейтинг по слепым голосам людей; MERA — открытый бенчмарк на русском языке от Альянса ИИ.

LMArena, общая доскарейтинг Elo по голосам людей
1476 · 25 место
—

Раунд 2 из 11

Качество без рассуждений

—:—раунд не считается — нет замера

В чате, поддержке и массовых задачах думать некогда — рассуждения выключены. Здесь картина часто другая.

Индекс интеллекта Лаборатория

Та же методика, режим без рассуждений.

Без рассужденийбыстрый ответ, как в чате и массовых задачах

Лаборатория ещё не измерила GPT-5.4 в этом режиме — раунд в счёт не идёт.

Раунд 3 из 11

Код

—:—раунд не считается — нет замера

Задачи из настоящих репозиториев и соревновательный код. У разных моделей лаборатория успела измерить разное — в счёт идут те тесты, что есть у обеих.

Кодинг Лаборатория

Сводный индекс кодинга (0–100) и отдельные тесты в процентах решённых задач.

Сводный индекс кодингавсе кодовые тесты лаборатории одним числом

Лаборатория ещё не измерила GPT-5.4 в этом режиме — раунд в счёт не идёт.

LiveCodeBenchсвежие соревновательные задачи

Лаборатория ещё не измерила GPT-5.4 в этом режиме — раунд в счёт не идёт.

SciCodeнаучный код по описанию задачи

Лаборатория ещё не измерила GPT-5.4 в этом режиме — раунд в счёт не идёт.

Сторонние лидерборды SWE-bench · LMArena

Справочно, в счёт раунда не идут: методика у каждого своя. У SWE-bench результат — это связка модели с конкретным агентом, поэтому рядом указаны агент и год лучшего известного прогона.

LMArena, кодовая доскарейтинг Elo по голосам людей
1463 · 47 место
—

Раунд 4 из 11

Математика

—:—раунд не считается — нет замера

Счёт, доказательства и олимпиадные задачи. Полезно там, где ответ либо верный, либо нет: аналитика, финансы, инженерные расчёты.

Математика Лаборатория

Сводный индекс (0–100) и доля решённых олимпиадных задач.

Сводный индекс математикивсе математические тесты лаборатории одним числом

Лаборатория ещё не измерила GPT-5.4 в этом режиме — раунд в счёт не идёт.

AIMEолимпиадные задачи со строгим ответом

Лаборатория ещё не измерила GPT-5.4 в этом режиме — раунд в счёт не идёт.

Раунд 5 из 11

Инструменты и агент

10:2счёт по 2 замерам лабораториипосле раунда 10 : 2

Модель в роли агента: вызвать нужный инструмент, довести многошаговый диалог до результата, поработать в терминале. Именно это отличает модель для агентского клиента от модели для чата.

Инструменты и терминал Лаборатория

Доля доведённых до конца сценариев.

𝜏²-benchвызовы инструментов в многошаговом диалоге
87,1 %
7,6 %
Terminal-Benchработа агента в терминале
78,3 %
18,4 %

Раунд 6 из 11

Следование инструкциям

—:—раунд не считается — нет замера

Делает ли модель ровно то, о чём просили: держит формат, не добавляет лишнего, соблюдает ограничения. От этого зависит, придётся ли разбирать ответ костылями.

Следование инструкциям Лаборатория

Доля заданий, где все требования соблюдены.

IFBenchпроверяемые требования к формату и содержанию

Лаборатория ещё не измерила Granite 4.2 8B в этом режиме — раунд в счёт не идёт.

Раунд 7 из 11

Длинный контекст

10:5счёт по 1 замеру лабораториипосле раунда 20 : 7

Большое окно контекста и умение им пользоваться — разные вещи. Здесь проверяется второе: рассуждения по длинному тексту, а не размер окна из карточки.

Рассуждения на длинном контексте Лаборатория

Доля верных ответов по длинному тексту. Размер окна — в раунде «Возможности».

Long Context Reasoningответы по тексту, который не помещается в один взгляд
82 %
45 %

Раунд 8 из 11

Скорость

—:—раунд не считается — мало данных

Пауза до первого слова и скорость письма. Очки — по нашим данным, это то, что вы получите на практике.

Один и тот же запросHubrisЛаборатория

Проигрываем ответ на измеренной скорости: пауза до первого слова, потом письмо. Лабораторной дорожки у Granite нет — лаборатория скорость этой версии не публикует. Длина ответа одинаковая, иначе модели несравнимы.

GPT-5.4openai/gpt-5.4у нас 3,3 с · 137 ток/сс раздумьями первое слово ответа — через 164,2 с
лаборатория 6,3 с
тишина 3,3 с
137 токенов в секунду
5,5 с
Granite 4.2 8Bibm-granite/granite-4.2-8b

По Granite 4.2 8B пока мало запросов, чтобы мерить скорость.

Лаборатория меряет по прямому API одним промптом без рассуждений. У нас — реальные промпты реальных клиентов, часть с рассуждениями, и весь путь до вас целиком. Разница между дорожками — разница между стендом и жизнью.

Раунд 9 из 11

Цена

0:10Granite дешевле в 41,7 раза на входе и в 100,0 раза на выходепосле раунда 20 : 17

В рублях, за миллион токенов. Списывается по факту — за то, что реально отправили и получили.

Прайс и реальный средний чек Hubris

Первые две колонки — ставки каталога. Третья — сколько в среднем стоит один запрос нашим пользователям к этой модели.

МодельВходные токеныто, что вы отправилиОтвет моделито, что она написалаТипичный запроссредний по нашим пользователям
GPT-5.4316₽1 894₽1,80₽
Granite 4.2 8B7,57₽18,94₽мало данных
Разницав 41,7 разав пользу Graniteв 100,0 разав пользу Granite—
Средний чек считается по реальным запросам наших пользователей: он зависит от того, сколько модель пишет в ответ.

Раунд 10 из 11

Кэш

9:9у обеих включается сампосле раунда 29 : 26

Если начало промпта повторяется от запроса к запросу — системная инструкция, приложенный документ, история переписки, — эта часть считается со скидкой. Включается она у моделей по-разному, и на этом легко потерять деньги.

Правила кэширования Поставщик

Скидка применяется автоматически — Hubris списывает по фактической цене исполнения, в которой кэш уже учтён.

GPT-5.4
Автоматический

Повторяющееся начало промпта кэшируется само. Ничего помечать не нужно: если первые токены совпадают с недавним запросом, скидка 90 % применится сама.

Granite 4.2 8B
Автоматический

Повторяющееся начало промпта кэшируется само. Ничего помечать не нужно: если первые токены совпадают с недавним запросом, скидка 75 % применится сама.

Как пометить блок и проверить, что кэш сработал, — в документации. Сработавший кэш виден в ответе в поле cached_tokens.

Раунд 11 из 11

Возможности

10:5GPT-5.4 принимает картинки; контекст у GPT-5.4 заметно большепосле раунда 39 : 31

Контекст, что принимает на вход, рассуждения, приватность, надёжность. За каждый пункт — очки по одной шкале.

GPT-5.4
  • ✓Контекст 1,05 млн токенов
  • ✓Принимает картинки
  • ✓Принимает файлы
  • ✓Умеет рассуждать перед ответом
  • —Доля неудачных запросов 44,3 % — выше обычного
Granite 4.2 8B
  • ✓Контекст 131 тыс. токенов
  • —Картинки не принимает
  • —Файлы не принимает
  • ✓Умеет рассуждать перед ответом

Итог

Кто победил

GPT-5.439
из 50 очковПобеждает GPT-5.4
Granite 4.2 8B31
При равных весах побеждает GPT-5.4 — 39 : 31, уверенно. GPT-5.4 берёт работу с инструментами, длинный контекст и возможности; Granite отвечает в цене. Кэш — ничья. Переключите «Бюджет и скорость» наверху — счёт перевернётся.

Коротко

Плюсы и минусы

Преимущества каждой модели над другой — из тех же данных, что и раунды, в процентах и секундах.

GPT-5.4
  • принимает картинки
  • контекст больше на 88 %
Granite 4.2 8B
  • дешевле в 41,7 раза на входе
Мы рекомендуем GPT-5.4: он впереди по сумме раундов при равных весах.

Выбор

Когда какую брать

Обе доступны по одному ключу — переключиться можно на любом запросе, поменяв одну строку.

GPT-5.4
  • Задачи, где важны цена и надёжность — смотрите раунды выше
Открыть в чате
Granite 4.2 8B
  • Массовые задачи, где счёт за токены — главная статья расходов
Открыть в чате

Вопросы

Что обычно спрашивают

Почему Granite дешевле в 41,7 раза — он хуже?

Независимых замеров качества для этой пары пока нет. Цена отражает размер модели; проверьте на своих данных.

Какая модель лучше для написания кода?

На практике для больших проектов берут ту, что лучше держит длинный контекст задачи; Granite здесь предпочтительнее, а для мелких правок и массовых операций важнее скорость и цена.

Что такое кэш промптов и почему это важно?

У обеих кэш включается сам: если начало промпта совпадает с недавним запросом, эта часть считается со скидкой. Ничего помечать не нужно.

Откуда взяты цифры скорости?

Это наши измерения по успешным запросам через Hubris за последние 30 дней, а не заявления поставщиков: время до первого слова и скорость письма от начала до конца ответа. В паузу входит и наш участок пути. Лабораторная дорожка рядом — Artificial Analysis, прямой API одним промптом: это потолок, наша цифра — то, на что стоит рассчитывать.

Можно ли переключаться между моделями?

Да, обе доступны по одному ключу. Чтобы сменить модель, достаточно поменять её идентификатор в запросе — ни отдельного договора, ни второго ключа не нужно.

Дальше

Другие сравнения

Каждая из этих двух — против соседей по каталогу. Любую пару можно собрать в выборе наверху страницы.

Источники: GPT-5.4 (Non-reasoning) и Granite 4.2 8B — Artificial Analysis, 2026-11-22; цены, контекст и модальности — каталог Hubris, 2026-11-22; скорость и средний чек — запросы через Hubris за 30 дней.