AI BENCHY Compare

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

Zusammenfassung

GPT-5.6 Terra (low) 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 $0.343. GPT-5.6 Terra (low) ist schneller mit 4.88s vs 15.74s, mit Erfolgsraten von 74.6% vs 68.3%.

Empfohlenes Modell: GPT-5.6 Terra (low) - Es hat hier die beste Punktzahl (7.7) und antwortet etwa 3.2x schneller als Step 3.7 Flash (low).

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

Metrik	GPT-5.6 Terra GPT-5.6 Terra low Veröffentlichung: 2026-07-09	Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29

Metrik	GPT-5.6 Terra GPT-5.6 Terra low Veröffentlichung: 2026-07-09	Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29
Punktzahl	7.7	7.7
Rang	#47	#49
Zuverlässigkeit	10.0	10.0
Konsistenz	8.1	8.4
Korrekte Tests
Erfolgsquote pro Versuch	74.6%	68.3%
Instabile Tests	5	4
Gesamtläufe	63	63
Kosten pro Ergebnis	2.637	2.840
Gesamtkosten	$0.343	$0.341
Eingabepreis	$2.500 / 1M	$0.200 / 1M
Ausgabepreis	$15.000 / 1M	$1.150 / 1M
Gesamte Eingabe-Token	34,226	40,101
Ausgabe-Token	1,943	289,325
Denk-Token	15,201	0
Antwortzeit (Durchschnitt)	4.88s	15.74s
Antwortzeit (Maximum)	19.85s	124.75s
Antwortzeit (Gesamt)	102.53s	330.63s

Generierungs-Showcase

Hamster playing table tennis

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

#47 GPT-5.6 Terra

low

Kosten: $0.034
Zeit: 16.8s
Token: 2,348 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 Terra	8.3	10.0	75.0%	0		2.36s	606	171	602
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 Terra	6.6	4.6	77.8%	2		9.56s	7,302	429	6,821
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 Terra	10.0	10.0	100.0%	0		5.07s	11,019	312	349
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 Terra	10.0	10.0	100.0%	0		919ms	7,140	222	0
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 Terra	5.3	7.2	44.4%	1		8.34s	723	72	4,086
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 Terra	4.8	3.2	33.3%	1		3.52s	477	105	249
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 Terra	10.0	10.0	100.0%	0		1.48s	660	87	134
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 Terra	10.0	10.0	100.0%	0		4.46s	642	259	1,506
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 Terra	4.7	1.6	66.7%	1		6.69s	5,462	257	226
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 Terra	3.0	10.0	0.0%	0		5.95s	195	29	1,228
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Schnellvergleich

Vergleichspaar wechseln

GPT-5.6 LunahighvsStep 3.7 Flashlow Claude Opus 4.6mediumvsStep 3.7 Flashlow GPT-5.6 TerralowvsGrok 4.3medium Claude Opus 4.6mediumvsGPT-5.6 Terralow Step 3.7 FlashlowvsGrok 4.3medium GPT-5.6 TerralowvsQwen3.5-122B-A10Bmedium Kimi K2.6mediumKostenlos verfügbarvsGPT-5.6 Terralow Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsGPT-5.6 Terralow Kimi K2.6mediumKostenlos verfügbarvsStep 3.7 Flashlow GPT-5.6 TerralowvsQwen3.5 Plus 2026-04-20medium Gemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 Terralow