AI BENCHY Compare

OpenAI: GPT-5.4 vs StepFun: Step 3.7 Flash

تم إنشاء نتائج المعايير من مجموعات اختبارات AI BENCHY في: 2026-06-03

المقياس	GPT-5.4 GPT-5.4 medium الإصدار: 2026-03-05	Step 3.7 Flash Step 3.7 Flash low الإصدار: 2026-05-29

المقياس	GPT-5.4 GPT-5.4 medium الإصدار: 2026-03-05	Step 3.7 Flash Step 3.7 Flash low الإصدار: 2026-05-29
النتيجة	7.9	7.4
الترتيب	#27	#56
الموثوقية	10.0	10.0
الاتساق	8.5	8.7
اختبارات صحيحة
معدل النجاح لكل محاولة	75.0%	68.3%
اختبارات غير مستقرة	4	3
إجمالي مرات التشغيل	60	60
التكلفة لكل نتيجة	8.765	2.796
إجمالي التكلفة	$1.140	$0.336
سعر الإدخال	$2.500 / 1M	$0.200 / 1M
سعر الإخراج	$15.000 / 1M	$1.150 / 1M
إجمالي رموز الإدخال	31,489	37,458
رموز الإخراج	2,221	285,209
رموز الاستدلال	68,486	0
زمن الاستجابة (المتوسط)	22.31s	16.06s
زمن الاستجابة (الحد الأقصى)	100.41s	124.75s
زمن الاستجابة (الإجمالي)	446.17s	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 الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

البرمجة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.4	8.2	6.7	83.3%	1		54.98s	4,686	412	19,995
Step 3.7 Flash	10.0	10.0	100.0%	0		9.43s	4,794	14,569	0

مجمّع	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.4	10.0	10.0	100.0%	0		20.57s	11,019	301	3,543
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	13,683	6,426	0

تحليل البيانات واستخراجها	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

خاص بالمجال	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

الذكاء العام	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

اتباع التعليمات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

حل الألغاز	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

استدعاء الأدوات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

معلومات عامة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

مقارنة سريعة

تبديل زوج المقارنة

GPT-5.4mediumvsQwen3.7 Maxnone Step 3.7 FlashlowvsMiMo-V2.5medium GPT-5.3 ChatnonevsStep 3.7 Flashlow Step 3.7 FlashlowvsGLM 5.1medium Step 3.7 FlashlowvsGLM 5V Turbomedium Qwen3.6 35B A3BmediumvsStep 3.7 Flashlow Gemini 3.5 FlashminimalvsGPT-5.4medium Kimi K2.6mediumمتاح مجانًاvsStep 3.7 Flashlow 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