Comparar Gráficos

Idioma:

❤️ Made by XCS

AI BENCHY Compare

OpenAI: GPT-5.3-Codex vs StepFun: Step 3.5 Flash

Nombre del modelo:

Benchmarks generados a partir de los suites de prueba de AI BENCHY en : 2026-02-27 15:16

Resumen

Métrica	OpenAI: GPT-5.3-Codex medium Lanzamiento: Fecha de lanzamiento desconocida	StepFun: Step 3.5 Flash medium Lanzamiento: Fecha de lanzamiento desconocida Disponible gratis
Rango	#7	#11
Puntuación	7.93	7.00
Consistencia	8.84	8.32
Costo por resultado	4.641	0.000
Costo total	$0.465	$0.000
Pruebas correctas
Pruebas incorrectas	4	5
Tasa de aciertos por intento	78.6%	73.8%
Pruebas inestables	2	3
Tokens de salida	1,201	60,502
Tokens de razonamiento	30,056	117,044

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-Codex	10.00	10.00	100.0%	0		216	1,421
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-Codex	10.00	10.00	100.0%	0		234	735
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-Codex	4.00	7.21	55.6%	1		64	25,308
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-Codex	9.00	10.00	50.0%	0		93	693
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-Codex	7.00	7.38	77.8%	1		340	1,407
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-Codex	10.00	10.00	100.0%	0		254	492
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		275	3,802

Cambiar par de comparación

Comparar OpenAI: GPT-5.3-Codex contra...

Comparar StepFun: Step 3.5 Flash contra...