OpenAI: GPT-5.5 vs StepFun: Step 3.7 Flash

متوسط النتيجة متقارب جدًا عند 6.9 مقابل 6.9. لدى GPT-5.5 تكلفة benchmark أقل عند $0.544 مقابل $1.207. GPT-5.5 أسرع عند 2.36s مقابل 64.68s، مع معدلات نجاح 56.1% مقابل 63.6%.

النموذج الموصى بهGPT-5.5It has the best score here (6.9), while costing about 2.2x less than Step 3.7 Flash (high).

تم إنشاء نتائج المعايير من مجموعات اختبارات AI BENCHY في: 2026-07-24

المقياس	GPT-5.5 GPT-5.5 none الإصدار: 2026-04-24	Step 3.7 Flash Step 3.7 Flash high الإصدار: 2026-05-29

المقياس	GPT-5.5 GPT-5.5 none الإصدار: 2026-04-24	Step 3.7 Flash Step 3.7 Flash high الإصدار: 2026-05-29
النتيجة	6.9	6.9
الترتيب	#91	#90
الموثوقية	10.0	10.0
الاتساق	8.9	8.0
اختبارات صحيحة
معدل النجاح لكل محاولة	56.1%	63.6%
اختبارات غير مستقرة	3	5
إجمالي مرات التشغيل	66	66
التكلفة لكل نتيجة	4.945	10.973
إجمالي التكلفة	$0.544	$1.207
سعر الإدخال	$5.000 / 1M	$0.200 / 1M
سعر الإخراج	$30.000 / 1M	$1.150 / 1M
إجمالي رموز الإدخال	79,285	98,691
رموز الإخراج	4,915	1,032,395
رموز الاستدلال	0	0
زمن الاستجابة (المتوسط)	2.36s	64.68s
زمن الاستجابة (الحد الأقصى)	12.24s	364.99s
زمن الاستجابة (الإجمالي)	51.88s	1423.01s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#91 GPT-5.5

none

التكلفة: $0.090
الوقت: 54.3s
الرموز: 3,063 tok

#90 Step 3.7 Flash

high

التكلفة: $0.007
الوقت: 63.6s
الرموز: 6,030 tok

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

الفئة:

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-5.5	6.9	7.9	66.7%	1		1.31s	606	213	0
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0

البرمجة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.5	5.5	10.0	33.3%	0		1.35s	7,305	462	0
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	0

مجمّع	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.5	6.5	10.0	50.0%	0		8.90s	56,092	3,244	0
Step 3.7 Flash	8.7	6.9	83.3%	1		41.23s	73,938	49,842	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-5.5	10.0	10.0	100.0%	0		1.18s	7,140	222	0
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0

خاص بالمجال	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.5	2.9	7.2	11.1%	1		1.31s	723	52	0
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	0

الذكاء العام	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.5	10.0	10.0	100.0%	0		3.41s	477	124	0
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0

اتباع التعليمات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.5	6.2	5.8	66.7%	1		1.15s	660	81	0
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	0

حل الألغاز	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.5	7.7	10.0	66.7%	0		1.29s	642	252	0
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	0

استدعاء الأدوات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.5	10.0	10.0	100.0%	0		3.90s	5,445	247	0
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	0

معلومات عامة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإدخال	رموز الإخراج	رموز الاستدلال
GPT-5.5	3.0	10.0	0.0%	0		5.01s	195	18	0
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

مقارنة سريعة

تبديل زوج المقارنة

Qwen3.6 FlashmediumvsStep 3.7 Flashhigh GPT-5.5nonevsQwen3.6 Flashmedium Step 3.7 FlashhighvsMiMo-V2.5-Promedium GPT-5.5nonevsMiMo-V2.5-Promedium Gemini 3.5 FlashminimalvsGPT-5.5none Gemini 3.5 FlashminimalvsStep 3.7 Flashhigh GPT-5.6 SolnonevsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashhigh KAT-Coder-Pro V2.5mediumvsGPT-5.5none Seed-2.0-MinimediumvsStep 3.7 Flashhigh Seed-2.0-MinimediumvsGPT-5.5none