AI BENCHY Compare

OpenAI: GPT-5.4 Mini vs StepFun: Step 3.7 Flash

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

المقياس	GPT-5.4 Mini GPT-5.4 Mini medium الإصدار: 2026-03-17	Step 3.7 Flash Step 3.7 Flash low الإصدار: 2026-05-29

المقياس	GPT-5.4 Mini GPT-5.4 Mini medium الإصدار: 2026-03-17	Step 3.7 Flash Step 3.7 Flash low الإصدار: 2026-05-29
النتيجة	7.3	7.4
الترتيب	#64	#60
الموثوقية	10.0	10.0
الاتساق	7.9	8.7
اختبارات صحيحة
معدل النجاح لكل محاولة	71.7%	68.3%
اختبارات غير مستقرة	5	3
إجمالي مرات التشغيل	60	60
التكلفة لكل نتيجة	4.417	2.796
إجمالي التكلفة	$0.486	$0.336
سعر الإدخال	$0.750 / 1M	$0.200 / 1M
سعر الإخراج	$4.500 / 1M	$1.150 / 1M
رموز الإخراج	2,160	285,209
رموز الاستدلال	100,548	0
زمن الاستجابة (المتوسط)	22.10s	16.06s
زمن الاستجابة (الحد الأقصى)	138.75s	124.75s
زمن الاستجابة (الإجمالي)	442.09s	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-5.4 Mini	8.6	7.9	91.7%	1		4.05s	296	2,876
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-5.4 Mini	7.5	6.0	83.3%	1		73.25s	446	32,513
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-5.4 Mini	10.0	10.0	100.0%	0		17.81s	317	4,317
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-5.4 Mini	10.0	10.0	100.0%	0		2.43s	234	650
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-5.4 Mini	4.1	4.4	44.5%	2		65.31s	60	43,286
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-5.4 Mini	4.5	10.0	0.0%	0		3.72s	150	510
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-5.4 Mini	9.8	10.0	100.0%	0		2.13s	96	1,185
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-5.4 Mini	7.8	10.0	66.7%	0		4.37s	278	2,443
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-5.4 Mini	4.7	1.6	66.7%	1		9.62s	251	2,594
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-5.4 Mini	3.0	10.0	0.0%	0		30.10s	32	10,174
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-5.4 Minimedium GPT-5.2mediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewnonevsStep 3.7 Flashlow Ring-2.6-1TnonevsGPT-5.4 Minimedium Claude Opus 4.8nonevsStep 3.7 Flashlow Gemini 3.1 Flash LitelowvsGPT-5.4 Minimedium DeepSeek V3.2mediumvsStep 3.7 Flashlow