Navigation
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.6 Luna vs StepFun: Step 3.7 Flash

Zusammenfassung

GPT-5.6 Luna (high) vs Step 3.7 Flash (low) Benchmark-Vergleich: Der Durchschnittsscore ist mit 7.7 vs 7.7 praktisch gleichauf. Step 3.7 Flash (low) hat die niedrigeren Benchmark-Kosten mit $0.341 vs $0.924. Step 3.7 Flash (low) ist schneller mit 15.74s vs 18.39s, mit Erfolgsraten von 71.4% vs 68.3%.

Empfohlenes Modell: Step 3.7 Flash (low) - Es hat hier die beste Punktzahl (7.7) und kostet etwa 2.7x weniger als GPT-5.6 Luna (high).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-09

Metrik GPT-5.6 Luna GPT-5.6 Luna high Veröffentlichung: 2026-07-09 Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29
Punktzahl 7.7 7.7
Rang #50 #49
Zuverlässigkeit 10.0 10.0
Konsistenz 8.8 8.4
Korrekte Tests
Erfolgsquote pro Versuch 71.4% 68.3%
Instabile Tests 3 4
Gesamtläufe 63 63
Kosten pro Ergebnis 6.594 2.840
Gesamtkosten $0.924 $0.341
Eingabepreis $1.000 / 1M $0.200 / 1M
Ausgabepreis $6.000 / 1M $1.150 / 1M
Gesamte Eingabe-Token 35,699 40,101
Ausgabe-Token 2,079 289,325
Denk-Token 145,816 0
Antwortzeit (Durchschnitt) 18.39s 15.74s
Antwortzeit (Maximum) 111.09s 124.75s
Antwortzeit (Gesamt) 386.24s 330.63s

Generierungs-Showcase

Hamster playing table tennis

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

#50 GPT-5.6 Luna

high
Kosten
$0.033
Zeit
34.2s
Token
5,484 tok

#49 Step 3.7 Flash

low
Ungültiges SVG
Kosten
$0.004
Zeit
25.3s
Token
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-5.6 Luna 8.3 10.0 75.0% 0 2.99s 606 162 1,265
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-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746
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-5.6 Luna 10.0 10.0 100.0% 0 13.29s 12,500 357 2,911
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-5.6 Luna 10.0 10.0 100.0% 0 2.18s 7,140 234 470
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-5.6 Luna 7.7 10.0 66.7% 0 78.96s 723 69 96,395
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-5.6 Luna 5.0 10.0 0.0% 0 3.65s 477 117 563
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-5.6 Luna 9.9 10.0 100.0% 0 1.79s 660 97 481
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-5.6 Luna 7.6 7.2 77.8% 1 14.55s 642 242 18,281
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-5.6 Luna 10.0 10.0 100.0% 0 4.98s 5,454 260 324
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-5.6 Luna 3.0 10.0 0.0% 0 17.00s 195 31 7,380
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

Schnellvergleich

Vergleichspaar wechseln

Claude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsGPT-5.6 LunahighStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.6 LunahighvsGrok 4.3mediumClaude Opus 4.8lowvsGPT-5.6 LunahighQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6mediumKostenlos verfügbarvsStep 3.7 FlashlowKimi K2.6mediumKostenlos verfügbarvsGPT-5.6 LunahighGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsGPT-5.6 LunahighQwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow