Navigation
AI BENCHY
Advertise here

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 8.8 vs 7.3. Step 3.7 Flash hat die niedrigeren Benchmark-Kosten mit $0.341 vs $3.679. Step 3.7 Flash ist schneller mit 15.74s vs 37.98s, mit Erfolgsraten von 87.3% vs 68.3%.

Empfohlenes Modell: Step 3.7 Flash - Es bietet den besten Gesamtkompromiss: wettbewerbsfähige Punktzahl (7.3), niedrigere Kosten als GPT-5.5 und ausgewogene Antwortzeit.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-06-04

Metrik GPT-5.5 GPT-5.5 medium Veröffentlichung: 2026-04-24 Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29
Punktzahl 8.8 7.3
Rang #9 #57
Zuverlässigkeit 10.0 10.0
Konsistenz 8.9 8.4
Korrekte Tests
Erfolgsquote pro Versuch 87.3% 68.3%
Instabile Tests 3 4
Gesamtläufe 63 63
Kosten pro Ergebnis 21.638 2.840
Gesamtkosten $3.679 $0.341
Eingabepreis $5.000 / 1M $0.200 / 1M
Ausgabepreis $30.000 / 1M $1.150 / 1M
Gesamte Eingabe-Token 34,212 40,101
Ausgabe-Token 1,985 289,325
Denk-Token 114,925 0
Antwortzeit (Durchschnitt) 37.98s 15.74s
Antwortzeit (Maximum) 332.10s 124.75s
Antwortzeit (Gesamt) 797.60s 330.63s

Generation showcase

Hamster playing table tennis

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

#9 GPT-5.5

medium
Cost
$0.112
Time
71.9s
Tokens
3,807 tok

#57 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
25.3s
Tokens
3,072 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 4.66s 606 250 1,335
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 756 10,896 0
Programmierung Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 8.8 7.8 88.9% 1 59.77s 7,305 362 24,959
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 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 19.29s 11,019 312 2,841
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 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 4.18s 7,140 234 593
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 7,398 2,667 0
Domänenspezifisch Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 5.3 7.2 44.4% 1 164.14s 723 67 79,625
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 828 104,487 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 4.16s 477 138 223
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 525 4,604 0
Befolgung von Anweisungen 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 3.36s 660 93 538
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 735 1,857 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 6.76s 642 241 2,225
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 756 3,564 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 10.57s 5,445 258 832
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 7,746 1,360 0
Allgemeinwissen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
GPT-5.5 2.8 1.6 33.3% 1 37.86s 195 30 1,754
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

Schnellvergleich

Vergleichspaar wechseln

Step 3.7 FlashlowvsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5.1mediumStep 3.7 FlashlowvsGLM 5V TurbomediumKimi K2.6mediumKostenlos verfügbarvsStep 3.7 FlashlowGPT-5 MinimediumvsStep 3.7 FlashlowGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2-FlashmediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.20mediumQwen3.5-35B-A3BmediumvsStep 3.7 FlashlowQwen3.5-FlashmediumvsStep 3.7 Flashlow