নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

OpenAI: gpt-oss-120b vs StepFun: Step 3.5 Flash

gpt-oss-120b (medium) average score-এ এগিয়ে: 6.1 vs 6.0. gpt-oss-120b (medium)-এর benchmark খরচ কম: $0.019 vs $0.108. gpt-oss-120b (medium) দ্রুত: 21.91s vs 174.22s, pass rates 50.0% vs 51.5%.

প্রস্তাবিত মডেলgpt-oss-120b (medium)It has the best score here (6.1), while costing about 5.7x less than Step 3.5 Flash (medium).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-18

মেট্রিক gpt-oss-120b gpt-oss-120b medium প্রকাশ: 2025-08-05 Step 3.5 Flash Step 3.5 Flash medium প্রকাশ: 2026-02-01
স্কোর 6.1 6.0
র‍্যাঙ্ক #117 #126
নির্ভরযোগ্যতা 10.0 9.2
ধারাবাহিকতা 8.0 9.0
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 50.0% 51.5%
অস্থির টেস্ট 5 1
মোট রান 66 63
প্রতি ফলাফলে খরচ 0.221 0.540
মোট খরচ $0.019 $0.108
ইনপুট মূল্য $0.037 / 1M $0.100 / 1M
আউটপুট মূল্য $0.170 / 1M $0.300 / 1M
মোট ইনপুট টোকেন 108,747 65,707
আউটপুট টোকেন 29,772 108,561
রিজনিং টোকেন 68,044 293,993
প্রতিক্রিয়া সময় (গড়) 21.91s 174.22s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 68.16s 1597.85s
প্রতিক্রিয়া সময় (মোট) 328.70s 2613.32s

Hamster playing table tennis

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

#117 gpt-oss-120b

medium
খরচ
$0.001
সময়
26.7s
টোকেন
555 tok

#126 Step 3.5 Flash

medium
খরচ
$0.008
সময়
277.1s
টোকেন
23,695 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
gpt-oss-120b 5.9 7.0 55.6% 1 38.37s 7,782 3,365 11,973
Step 3.5 Flash 2.4 5.2 0.0% 0 258.38s 2,211 13,207 22,429

দ্রুত তুলনা

তুলনার জুটি বদলান