AI BENCHY Compare
OpenAI: GPT-5.3 Chat vs StepFun: Step 3.5 Flash
Comparar:
Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-03
| Métrica | OpenAI: GPT-5.3 Chat none Lanzamiento: 2026-03-03 | StepFun: Step 3.5 Flash medium Lanzamiento: 2026-02-01 Disponible gratis |
|---|---|---|
| Rango | #14 | #17 |
| Puntaje prom. | 7.27 | 7.00 |
| Consistencia | 8.26 | 8.32 |
| Costo por resultado | 2.835 | 0.000 |
| Costo total | $0.256 | $0.000 |
| Pruebas correctas | ||
| Tasa de aciertos por intento | 73.8% | 73.8% |
| Pruebas inestables | 3 | 3 |
| Tokens de salida | 16,339 | 60,502 |
| Tokens de razonamiento | 0 | 117,044 |
Puntuación vs costo total
Desglose por categoría
| Trucos anti-IA | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 7.33 | 7.49 | 77.8% | 1 | 3,091 | 0 | |
| StepFun: Step 3.5 Flash | 10.00 | 10.00 | 100.0% | 0 | 13,924 | 17,208 |
| Análisis y extracción de datos | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 9.88 | 10.00 | 100.0% | 0 | 942 | 0 | |
| StepFun: Step 3.5 Flash | 10.00 | 10.00 | 100.0% | 0 | 535 | 11,548 |
| Específico del dominio | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 1.00 | 4.41 | 33.3% | 2 | 8,264 | 0 | |
| StepFun: Step 3.5 Flash | 4.00 | 7.21 | 44.4% | 1 | 40,942 | 74,237 |
| Seguimiento de instrucciones | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 8.50 | 9.99 | 50.0% | 0 | 1,455 | 0 | |
| StepFun: Step 3.5 Flash | 10.00 | 10.00 | 100.0% | 0 | 2,121 | 3,274 |
| Puzzle Solving | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 1,726 | 0 | |
| StepFun: Step 3.5 Flash | 2.00 | 4.96 | 33.3% | 2 | 2,705 | 6,975 |
| Llamada de herramientas | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 861 | 0 | |
| StepFun: Step 3.5 Flash | 10.00 | 10.00 | 100.0% | 0 | 275 | 3,802 |
Comparación rápida
Cambiar par de comparación
GPT-5.3 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewnonevsStep 3.5 FlashmediumDisponible gratisGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneGPT-5.2 ChatnonevsStep 3.5 FlashmediumDisponible gratisGemini 3.1 Flash Lite PreviewhighvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.5-122B-A10BmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsStep 3.5 FlashmediumDisponible gratisGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumDisponible gratis