Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

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

Resumen

Comparación benchmark de GPT-5.6 Luna (medium) vs Step 3.7 Flash (low): Step 3.7 Flash (low) lidera en puntuación media con 7.7 vs 7.6. GPT-5.6 Luna (medium) tiene menor coste de benchmark con $0.258 vs $0.341. GPT-5.6 Luna (medium) es más rápido con 6.70s vs 15.74s, con tasas de acierto de 63.5% vs 68.3%.

Modelo recomendado: GPT-5.6 Luna (medium) - Su puntuación se mantiene cerca de la mejor aquí (7.6 vs 7.7) y responde aproximadamente 2.4x más rápido que Step 3.7 Flash (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 medium Lanzamiento: 2026-07-09 Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29
Puntuación 7.6 7.7
Rango #54 #49
Fiabilidad 10.0 10.0
Consistencia 9.6 8.4
Pruebas correctas
Tasa de aciertos por intento 63.5% 68.3%
Pruebas inestables 1 4
Ejecuciones totales 63 63
Costo por resultado 1.978 2.840
Costo total $0.258 $0.341
Precio de entrada $1.000 / 1M $0.200 / 1M
Precio de salida $6.000 / 1M $1.150 / 1M
Total de tokens de entrada 35,699 40,101
Tokens de salida 2,148 289,325
Tokens de razonamiento 34,740 0
Tiempo de respuesta (promedio) 6.70s 15.74s
Tiempo de respuesta (máximo) 29.85s 124.75s
Tiempo de respuesta (total) 140.62s 330.63s

Generación showcase

Hamster playing table tennis

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

#54 GPT-5.6 Luna

medium
Coste
$0.014
Tiempo
14.6s
Tokens
2,362 tok

#49 Step 3.7 Flash

low
SVG inválido
Coste
$0.004
Tiempo
25.3s
Tokens
3,072 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 2.52s 606 160 987
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 756 10,896 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-5.6 Luna 5.4 7.2 44.4% 1 10.38s 7,302 564 9,928
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 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-5.6 Luna 10.0 10.0 100.0% 0 9.53s 12,500 375 1,354
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 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-5.6 Luna 10.0 10.0 100.0% 0 1.95s 7,140 234 324
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 7,398 2,667 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-5.6 Luna 5.3 10.0 33.3% 0 17.37s 723 68 16,531
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 828 104,487 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-5.6 Luna 5.1 10.0 0.0% 0 4.34s 477 112 496
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 525 4,604 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-5.6 Luna 9.9 10.0 100.0% 0 2.38s 660 95 393
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 735 1,857 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-5.6 Luna 7.8 10.0 66.7% 0 4.04s 642 255 2,104
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 756 3,564 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-5.6 Luna 10.0 10.0 100.0% 0 6.02s 5,454 256 244
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 7,746 1,360 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-5.6 Luna 3.0 10.0 0.0% 0 6.64s 195 29 2,379
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

Comparación rápida

Cambiar par de comparación

GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumDeepSeek V4 ProhighvsGPT-5.6 LunamediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6mediumDisponible gratisvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1medium