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

AI BENCHY Compare

OpenAI: GPT-5.5 vs StepFun: Step 3.7 Flash

Zusammenfassung

GPT-5.5 vs Step 3.7 Flash Benchmark-Vergleich: GPT-5.5 führt beim Durchschnittsscore mit 9.3 vs 7.1. GPT-5.5 hat die niedrigeren Benchmark-Kosten mit $0.907 vs $1.148. GPT-5.5 ist schneller mit 9.76s vs 64.46s, mit Erfolgsraten von 85.7% vs 63.5%.

Empfohlenes Modell: GPT-5.5 - Es hat hier die beste Punktzahl (9.3) und antwortet etwa 6.6x schneller als Step 3.7 Flash.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-06-18

Metrik GPT-5.5 GPT-5.5 low Veröffentlichung: 2026-04-24 Step 3.7 Flash Step 3.7 Flash high Veröffentlichung: 2026-05-29
Punktzahl 9.3 7.1
Rang #4 #63
Zuverlässigkeit 10.0 10.0
Konsistenz 10.0 8.2
Korrekte Tests
Erfolgsquote pro Versuch 85.7% 63.5%
Instabile Tests 0 4
Gesamtläufe 63 63
Kosten pro Ergebnis 5.035 10.434
Gesamtkosten $0.907 $1.148
Eingabepreis $5.000 / 1M $0.200 / 1M
Ausgabepreis $30.000 / 1M $1.150 / 1M
Gesamte Eingabe-Token 34,209 38,391
Ausgabe-Token 2,046 991,355
Denk-Token 22,460 0
Antwortzeit (Durchschnitt) 9.76s 64.46s
Antwortzeit (Maximum) 56.19s 364.99s
Antwortzeit (Gesamt) 204.92s 1353.57s

Generierungs-Showcase

Hamster playing table tennis

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

#4 GPT-5.5

low
Kosten
$0.068
Zeit
37.0s
Token
2,339 tok

#63 Step 3.7 Flash

high
Kosten
$0.007
Zeit
63.6s
Token
6,030 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Anti-KI-Tricks Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 0
Programmierung Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0
Kombiniert Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 0
Datenanalyse und -extraktion Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 0
Domänenspezifisch Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 0
Allgemeine Intelligenz Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 0
Befolgung von Anweisungen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 0
Rätsellösen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 0
Werkzeugaufrufe Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 0
Allgemeinwissen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

Schnellvergleich

Vergleichspaar wechseln

Step 3.7 FlashhighvsGLM 5.1mediumGPT-5.5lowvsQwen3.7 MaxmediumStep 3.7 FlashhighvsGLM 5.2noneQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemma 4 26B A4BmediumKostenlos verfügbarvsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowClaude Opus 4.8nonevsStep 3.7 FlashhighGemini 3 Flash PreviewnonevsStep 3.7 Flashhigh