Navegación
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-5.2 vs StepFun: Step 3.7 Flash

Resumen

Comparación benchmark de GPT-5.2 vs Step 3.7 Flash: Step 3.7 Flash lidera en puntuación media con 8.5 vs 8.4. Step 3.7 Flash tiene menor coste de benchmark con $0.376 vs $0.548. GPT-5.2 es más rápido con 16.88s vs 20.35s, con tasas de acierto de 71.4% vs 73.0%.

Modelo recomendado: Step 3.7 Flash - Tiene la puntuación más alta en esta comparación (8.5) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-02

Métrica GPT-5.2 GPT-5.2 medium Lanzamiento: 2025-12-11 Step 3.7 Flash Step 3.7 Flash medium Lanzamiento: 2026-05-29
Puntuación 8.4 8.5
Rango #22 #20
Fiabilidad 10.0 9.9
Consistencia 8.4 9.3
Pruebas correctas
Tasa de aciertos por intento 71.4% 73.0%
Pruebas inestables 4 2
Ejecuciones totales 63 61
Costo por resultado 4.209 2.686
Costo total $0.548 $0.376
Precio de entrada $1.750 / 1M $0.200 / 1M
Precio de salida $14.000 / 1M $1.150 / 1M
Total de tokens de entrada 33,967 39,981
Tokens de salida 2,901 319,958
Tokens de razonamiento 31,932 0
Tiempo de respuesta (promedio) 16.88s 20.35s
Tiempo de respuesta (máximo) 77.80s 113.98s
Tiempo de respuesta (total) 236.34s 427.42s

Generación showcase

Hamster playing table tennis

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

#22 GPT-5.2

medium
Coste
$0.047
Tiempo
49.2s
Tokens
3,396 tok

#20 Step 3.7 Flash

medium
Coste
$0.006
Tiempo
46.2s
Tokens
4,466 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 6.5 8.0 58.3% 1 7.81s 606 567 2,002
Step 3.7 Flash 8.7 7.9 91.7% 1 9.65s 756 32,185 0
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 10.0 10.0 100.0% 0 22.73s 7,302 511 11,912
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 10.0 10.0 100.0% 0 14.06s 11,019 291 1,757
Step 3.7 Flash 10.0 10.0 100.0% 0 9.06s 13,683 7,106 0
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 10.0 10.0 100.0% 0 3.15s 7,140 234 420
Step 3.7 Flash 10.0 10.0 100.0% 0 2.75s 7,398 3,020 0
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 5.9 7.2 55.6% 1 77.80s 473 42 10,342
Step 3.7 Flash 7.7 10.0 66.7% 0 48.27s 708 70,347 0
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 3.7 9.7 0.0% 0 4.32s 477 162 269
Step 3.7 Flash 4.0 10.0 0.0% 0 6.85s 525 3,987 0
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 9.9 10.0 100.0% 0 3.12s 660 94 614
Step 3.7 Flash 9.8 10.0 100.0% 0 1.83s 735 2,166 0
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 7.5 7.3 77.8% 1 5.80s 642 735 924
Step 3.7 Flash 5.7 9.9 33.3% 0 6.19s 756 15,071 0
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 4.7 1.6 66.7% 1 10.30s 5,453 239 469
Step 3.7 Flash 10.0 10.0 100.0% 0 4.16s 7,746 2,115 0
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 3.0 10.0 0.0% 0 28.18s 195 26 3,223
Step 3.7 Flash 3.0 10.0 0.0% 0 113.98s 237 139,164 0

Comparación rápida

Cambiar par de comparación

GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGPT-5.2mediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumClaude Opus 4.8lowvsGPT-5.2mediumGPT-5.2mediumvsStep 3.7 FlashlowClaude Opus 4.8lowvsStep 3.7 FlashmediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumDeepSeek V4 ProhighvsGPT-5.2mediumGPT-5.5lowvsStep 3.7 FlashmediumGemini 3.5 FlashlowvsGPT-5.2mediumDeepSeek V4 ProhighvsStep 3.7 FlashmediumGPT-5.3 ChatnonevsStep 3.7 Flashmedium