Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.6 Luna vs StepFun: Step 3.5 Flash

Resumen

Comparación benchmark de GPT-5.6 Luna (low) vs Step 3.5 Flash (medium): Step 3.5 Flash (medium) lidera en puntuación media con 6.6 vs 6.2. Step 3.5 Flash (medium) tiene menor coste de benchmark con $0.070 vs $0.141. GPT-5.6 Luna (low) es más rápido con 4.35s vs 72.53s, con tasas de acierto de 57.1% vs 54.0%.

Modelo recomendado: Step 3.5 Flash (medium) - Tiene la mejor puntuación aquí (6.6) y cuesta aproximadamente 2.0x menos que GPT-5.6 Luna (low).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-09

Métrica GPT-5.6 Luna GPT-5.6 Luna low Lanzamiento: 2026-07-09 Step 3.5 Flash Step 3.5 Flash medium Lanzamiento: 2026-02-01
Puntuación 6.2 6.6
Rango #107 #93
Fiabilidad 10.0 10.0
Consistencia 8.5 8.9
Pruebas correctas
Tasa de aciertos por intento 57.1% 54.0%
Pruebas inestables 4 1
Ejecuciones totales 63 60
Costo por resultado 1.404 0.198
Costo total $0.141 $0.070
Precio de entrada $1.000 / 1M $0.100 / 1M
Precio de salida $6.000 / 1M $0.300 / 1M
Total de tokens de entrada 34,218 34,431
Tokens de salida 2,110 91,587
Tokens de razonamiento 15,571 195,973
Tiempo de respuesta (promedio) 4.35s 72.53s
Tiempo de respuesta (máximo) 18.06s 453.94s
Tiempo de respuesta (total) 91.45s 1015.47s

Generación showcase

Hamster playing table tennis

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

#107 GPT-5.6 Luna

low
Coste
$0.011
Tiempo
10.2s
Tokens
1,897 tok

#93 Step 3.5 Flash

medium
Coste
$0.008
Tiempo
277.1s
Tokens
23,695 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-5.6 Luna 8.3 10.0 75.0% 0 2.21s 606 186 722
Step 3.5 Flash 10.0 10.0 100.0% 0 40.57s 694 20,391 24,176
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-5.6 Luna 5.5 10.0 33.3% 0 4.61s 7,302 557 3,535
Step 3.5 Flash 2.4 5.2 0.0% 0 258.38s 2,211 13,207 22,429
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-5.6 Luna 2.8 1.6 33.3% 1 7.99s 11,019 300 1,060
Step 3.5 Flash 10.0 10.0 100.0% 0 29.57s 13,638 1,176 12,984
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-5.6 Luna 10.0 10.0 100.0% 0 2.14s 7,140 234 292
Step 3.5 Flash 10.0 10.0 100.0% 0 15.01s 7,368 600 13,886
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-5.6 Luna 3.6 7.2 22.2% 1 10.05s 723 70 6,718
Step 3.5 Flash 5.3 7.2 44.4% 1 170.45s 673 45,350 90,436
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-5.6 Luna 5.0 10.0 0.0% 0 2.25s 477 122 169
Step 3.5 Flash 5.5 10.0 0.0% 0 22.39s 509 240 3,506
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-5.6 Luna 8.5 6.8 83.3% 1 2.04s 660 93 259
Step 3.5 Flash 8.3 10.0 50.0% 0 4.78s 705 2,364 3,521
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-5.6 Luna 7.6 7.2 77.8% 1 3.59s 642 271 1,207
Step 3.5 Flash 5.3 10.0 33.3% 0 7.22s 711 5,630 10,861
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-5.6 Luna 10.0 10.0 100.0% 0 4.43s 5,454 250 177
Step 3.5 Flash 10.0 10.0 100.0% 0 11.91s 7,701 275 3,802
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-5.6 Luna 3.0 10.0 0.0% 0 4.86s 195 27 1,432
Step 3.5 Flash 3.0 10.0 0.0% 0 108.45s 221 2,354 10,372

Comparación rápida

Cambiar par de comparación

Seed-2.0-LitenonevsGPT-5.6 LunalowGemini 2.5 FlashnonevsGPT-5.6 LunalowGemini 3.1 Flash LiteminimalvsGPT-5.6 LunalowGemini 3.1 Flash LitenonevsGPT-5.6 LunalowGPT-5.6 LunalowvsQwen3.5-FlashnoneGPT-5.6 LunalowvsQwen3.5-35B-A3BmediumGemma 4 31BnoneDisponible gratisvsGPT-5.6 LunalowGemma 4 31BmediumDisponible gratisvsGPT-5.6 LunalowGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumNemotron 3 SupermediumDisponible gratisvsGPT-5.6 LunalowNemotron 3 Ultra 550b A55bnoneDisponible gratisvsGPT-5.6 LunalowGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium