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

La puntuación media está prácticamente empatada en 6.9 vs 6.9. GPT-5.6 Sol tiene menor coste de benchmark con $0.524 vs $1.207. GPT-5.6 Sol es más rápido con 2.16s vs 64.68s, con tasas de acierto de 59.1% vs 63.6%.

Modelo recomendadoGPT-5.6 SolTiene la mejor puntuación aquí (6.9) y cuesta aproximadamente 2.3x menos que Step 3.7 Flash (high).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-17

Métrica	GPT-5.6 Sol GPT-5.6 Sol none Lanzamiento: 2026-07-09	Step 3.7 Flash Step 3.7 Flash high Lanzamiento: 2026-05-29

Métrica	GPT-5.6 Sol GPT-5.6 Sol none Lanzamiento: 2026-07-09	Step 3.7 Flash Step 3.7 Flash high Lanzamiento: 2026-05-29
Puntuación	6.9	6.9
Rango	#80	#83
Fiabilidad	10.0	10.0
Consistencia	9.0	8.0
Pruebas correctas
Tasa de aciertos por intento	59.1%	63.6%
Pruebas inestables	3	5
Ejecuciones totales	66	66
Costo por resultado	4.761	10.973
Costo total	$0.524	$1.207
Precio de entrada	$5.000 / 1M	$0.200 / 1M
Precio de salida	$30.000 / 1M	$1.150 / 1M
Total de tokens de entrada	78,593	98,691
Tokens de salida	4,357	1,032,395
Tokens de razonamiento	0	0
Tiempo de respuesta (promedio)	2.16s	64.68s
Tiempo de respuesta (máximo)	12.81s	364.99s
Tiempo de respuesta (total)	47.62s	1423.01s

Hamster playing table tennis

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

#80 GPT-5.6 Sol

none

Coste: $0.116
Tiempo: 78.7s
Tokens: 3,944 tok

#83 Step 3.7 Flash

high

Coste: $0.007
Tiempo: 63.6s
Tokens: 6,030 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

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 Sol	8.3	10.0	75.0%	0		1.27s	606	154	0
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	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 Sol	5.5	10.0	33.3%	0		1.39s	7,302	390	0
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	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 Sol	6.5	10.0	50.0%	0		8.37s	55,394	2,881	0
Step 3.7 Flash	8.7	6.9	83.3%	1		41.23s	73,938	49,842	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 Sol	10.0	10.0	100.0%	0		1.53s	7,140	222	0
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	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 Sol	3.6	7.2	22.2%	1		1.43s	723	54	0
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	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 Sol	6.5	3.4	66.7%	1		1.52s	477	91	0
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	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 Sol	8.5	6.8	83.3%	1		1.33s	660	84	0
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	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 Sol	7.7	10.0	66.7%	0		1.49s	642	211	0
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	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 Sol	10.0	10.0	100.0%	0		3.70s	5,454	246	0
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	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 Sol	3.0	10.0	0.0%	0		1.95s	195	24	0
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Comparación rápida

Cambiar par de comparación

GPT-5.5nonevsStep 3.7 Flashhigh GPT-5.6 SolnonevsMiMo-V2.5-Promedium Qwen3.6 FlashmediumvsStep 3.7 Flashhigh GPT-5.6 SolnonevsQwen3.6 Flashmedium Step 3.7 FlashhighvsMiMo-V2.5-Promedium KAT-Coder-Pro V2.5mediumvsGPT-5.6 Solnone Gemini 3.5 FlashminimalvsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh Seed-2.0-MinimediumvsGPT-5.6 Solnone KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashhigh Gemini 3.5 FlashminimalvsGPT-5.6 Solnone Mercury 2mediumvsGPT-5.6 Solnone