AI BENCHY Compare

OpenAI: GPT-5.2 vs StepFun: Step 3.7 Flash

تم إنشاء نتائج المعايير من مجموعات اختبارات AI BENCHY في: 2026-05-29

المقياس	GPT-5.2 GPT-5.2 medium الإصدار: 2025-12-11	Step 3.7 Flash Step 3.7 Flash low الإصدار: 2026-05-29

المقياس	GPT-5.2 GPT-5.2 medium الإصدار: 2025-12-11	Step 3.7 Flash Step 3.7 Flash low الإصدار: 2026-05-29
النتيجة	7.3	7.4
الترتيب	#63	#60
الموثوقية	10.0	10.0
الاتساق	8.3	8.7
اختبارات صحيحة
معدل النجاح لكل محاولة	70.0%	68.3%
اختبارات غير مستقرة	4	3
إجمالي مرات التشغيل	60	60
التكلفة لكل نتيجة	4.094	2.796
إجمالي التكلفة	$0.492	$0.336
سعر الإدخال	$1.750 / 1M	$0.200 / 1M
سعر الإخراج	$14.000 / 1M	$1.150 / 1M
رموز الإخراج	2,880	285,209
رموز الاستدلال	28,289	0
زمن الاستجابة (المتوسط)	16.50s	16.06s
زمن الاستجابة (الحد الأقصى)	77.80s	124.75s
زمن الاستجابة (الإجمالي)	214.45s	321.11s

أفضل النماذج حسب الدرجة

الدرجة مقابل التكلفة الإجمالية

زمن الاستجابة (المتوسط)

النتيجة vs زمن الاستجابة (المتوسط)

إجمالي رموز الإخراج

النتيجة vs إجمالي رموز الإخراج

تفصيل الفئات

حيل مضادة للذكاء الاصطناعي	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
GPT-5.2	6.5	8.0	58.3%	1		7.81s	567	2,002
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	10,896	0

البرمجة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
GPT-5.2	10.0	10.0	100.0%	0		23.15s	490	8,269
Step 3.7 Flash	10.0	10.0	100.0%	0		9.43s	14,569	0

مجمّع	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
GPT-5.2	10.0	10.0	100.0%	0		14.06s	291	1,757
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	6,426	0

تحليل البيانات واستخراجها	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
GPT-5.2	10.0	10.0	100.0%	0		3.15s	234	420
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	2,667	0

خاص بالمجال	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
GPT-5.2	5.9	7.2	55.6%	1		77.80s	42	10,342
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	104,487	0

الذكاء العام	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
GPT-5.2	3.7	9.7	0.0%	0		4.32s	162	269
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	4,604	0

اتباع التعليمات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
GPT-5.2	9.9	10.0	100.0%	0		3.12s	94	614
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	1,857	0

حل الألغاز	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
GPT-5.2	7.5	7.3	77.8%	1		5.80s	735	924
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	3,564	0

استدعاء الأدوات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
GPT-5.2	4.7	1.6	66.7%	1		10.30s	239	469
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	1,360	0

معلومات عامة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
GPT-5.2	3.0	10.0	0.0%	0		28.18s	26	3,223
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	134,779	0

مقارنة سريعة

تبديل زوج المقارنة

Kimi K2.6mediumمتاح مجانًاvsStep 3.7 Flashlow Step 3.7 FlashlowvsMiMo-V2.5medium GPT-5.3 ChatnonevsStep 3.7 Flashlow Step 3.7 FlashlowvsGLM 5V Turbomedium Step 3.7 FlashlowvsGLM 5.1medium Claude Opus 4.8nonevsGPT-5.2medium GPT-5.4 MinimediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewnonevsStep 3.7 Flashlow Ring-2.6-1TnonevsGPT-5.2medium Gemini 3.1 Flash LitelowvsGPT-5.2medium Claude Opus 4.8nonevsStep 3.7 Flashlow DeepSeek V3.2mediumvsStep 3.7 Flashlow