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-5.4 Mini vs StepFun: Step 3.7 Flash

Resumen

Comparación benchmark de GPT-5.4 Mini vs Step 3.7 Flash: Step 3.7 Flash lidera en puntuación media con 8.5 vs 8.0. Step 3.7 Flash tiene menor coste de benchmark con $0.376 vs $0.526. Step 3.7 Flash es más rápido con 20.35s vs 22.34s, con tasas de acierto de 73.0% 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: 2026-06-12

Métrica GPT-5.4 Mini GPT-5.4 Mini medium Lanzamiento: 2026-03-17 Step 3.7 Flash Step 3.7 Flash medium Lanzamiento: 2026-05-29
Puntuación 8.0 8.5
Rango #30 #23
Fiabilidad 10.0 9.9
Consistencia 8.0 9.3
Pruebas correctas
Tasa de aciertos por intento 73.0% 73.0%
Pruebas inestables 5 2
Ejecuciones totales 63 61
Costo por resultado 4.381 2.686
Costo total $0.526 $0.376
Precio de entrada $0.750 / 1M $0.200 / 1M
Precio de salida $4.500 / 1M $1.150 / 1M
Total de tokens de entrada 34,116 39,981
Tokens de salida 2,181 319,958
Tokens de razonamiento 108,937 0
Tiempo de respuesta (promedio) 22.34s 20.35s
Tiempo de respuesta (máximo) 138.75s 113.98s
Tiempo de respuesta (total) 469.20s 427.42s

Generation showcase

Hamster playing table tennis

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

#30 GPT-5.4 Mini

medium
Cost
$0.056
Time
95.5s
Tokens
12,464 tok

#23 Step 3.7 Flash

medium
Cost
$0.006
Time
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-5.4 Mini 8.6 7.9 91.7% 1 4.05s 606 296 2,876
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-5.4 Mini 8.4 7.4 88.9% 1 57.87s 7,305 467 40,902
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-5.4 Mini 10.0 10.0 100.0% 0 17.81s 11,019 317 4,317
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-5.4 Mini 10.0 10.0 100.0% 0 2.43s 7,140 234 650
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-5.4 Mini 4.1 4.4 44.5% 2 65.31s 619 60 43,286
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-5.4 Mini 4.5 10.0 0.0% 0 3.72s 477 150 510
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-5.4 Mini 9.8 10.0 100.0% 0 2.13s 660 96 1,185
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-5.4 Mini 7.8 10.0 66.7% 0 4.37s 642 278 2,443
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-5.4 Mini 4.7 1.6 66.7% 1 9.62s 5,453 251 2,594
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-5.4 Mini 3.0 10.0 0.0% 0 30.10s 195 32 10,174
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 FlashhighvsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGPT-5.4 MinimediumGPT-5.4 MinimediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsGPT-5.4 MinimediumClaude Sonnet 4.6nonevsGPT-5.4 MinimediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumClaude Opus 4.8nonevsGPT-5.4 MinimediumGPT-5.4 MinimediumvsQwen3.7 PlusnoneGPT-5.5lowvsStep 3.7 FlashmediumGPT-5.4 MinimediumvsStep 3.7 FlashhighGPT-5.3 ChatnonevsStep 3.7 Flashmedium