AI BENCHY Compare

OpenAI: GPT-5.3-Codex vs StepFun: Step 3.7 Flash

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

المقياس	GPT-5.3-Codex GPT-5.3-Codex medium الإصدار: 2026-02-05	Step 3.7 Flash Step 3.7 Flash low الإصدار: 2026-05-29

المقياس	GPT-5.3-Codex GPT-5.3-Codex medium الإصدار: 2026-02-05	Step 3.7 Flash Step 3.7 Flash low الإصدار: 2026-05-29
النتيجة	8.3	7.4
الترتيب	#17	#60
الموثوقية	10.0	10.0
الاتساق	8.4	8.7
اختبارات صحيحة
معدل النجاح لكل محاولة	81.7%	68.3%
اختبارات غير مستقرة	4	3
إجمالي مرات التشغيل	60	60
التكلفة لكل نتيجة	4.887	2.796
إجمالي التكلفة	$0.685	$0.336
سعر الإدخال	$1.750 / 1M	$0.200 / 1M
سعر الإخراج	$14.000 / 1M	$1.150 / 1M
رموز الإخراج	2,336	285,209
رموز الاستدلال	42,565	0
زمن الاستجابة (المتوسط)	15.95s	16.06s
زمن الاستجابة (الحد الأقصى)	100.93s	124.75s
زمن الاستجابة (الإجمالي)	319.08s	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-5.3-Codex	8.7	7.9	91.7%	1		4.16s	240	1,722
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-5.3-Codex	10.0	10.0	100.0%	0		18.45s	514	7,266
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-5.3-Codex	10.0	10.0	100.0%	0		19.56s	364	2,731
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-5.3-Codex	10.0	10.0	100.0%	0		3.07s	234	728
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-5.3-Codex	5.9	7.2	55.6%	1		64.31s	64	25,308
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-5.3-Codex	4.6	10.0	0.0%	0		4.87s	187	331
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-5.3-Codex	10.0	10.0	100.0%	0		3.04s	93	693
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-5.3-Codex	9.0	7.9	88.9%	1		5.05s	356	1,593
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-5.3-Codex	10.0	10.0	100.0%	0		6.37s	254	492
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-5.3-Codex	2.8	1.6	33.3%	1		14.43s	30	1,701
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 GPT-5.2mediumvsStep 3.7 Flashlow GPT-5.4 MinimediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewnonevsStep 3.7 Flashlow Claude Opus 4.8nonevsStep 3.7 Flashlow DeepSeek V3.2mediumvsStep 3.7 Flashlow Qwen3.5-35B-A3BmediumvsStep 3.7 Flashlow Ring-2.6-1TmediumvsStep 3.7 Flashlow