#20 GPT-5.4
medium- लागत
- $0.214
- समय
- 199.6s
- टोकन
- 14,349 tok
AI BENCHY तुलना
OpenAI: GPT-5.4 vs StepFun: Step 3.7 Flash
सारांश
average score लगभग बराबर है: 8.5 vs 8.5. Step 3.7 Flash (medium) की benchmark लागत कम है: $0.376 vs $1.210. Step 3.7 Flash (medium) तेज है: 20.35s vs 22.35s, pass rates 76.2% vs 73.0%.
अनुशंसित मॉडलStep 3.7 Flash (medium)It has the best score here (8.5), while costing about 3.2x less than GPT-5.4 (medium).
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-14
| मेट्रिक | GPT-5.4 GPT-5.4 medium | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| स्कोर | 8.5 | 8.5 |
| रैंक | #20 | #23 |
| विश्वसनीयता | 10.0 | 9.9 |
| संगति | 8.6 | 9.3 |
| सही परीक्षण | ||
| प्रति प्रयास पास दर | 76.2% | 73.0% |
| अस्थिर टेस्ट | 4 | 2 |
| कुल रन | 63 | 61 |
| प्रति परिणाम लागत | 8.640 | 2.686 |
| कुल लागत | $1.210 | $0.376 |
| इनपुट कीमत | $2.500 / 1M | $0.200 / 1M |
| आउटपुट कीमत | $15.000 / 1M | $1.150 / 1M |
| कुल इनपुट टोकन | 34,108 | 39,981 |
| आउटपुट टोकन | 2,242 | 319,958 |
| रीजनिंग टोकन | 72,707 | 0 |
| प्रतिक्रिया समय (औसत) | 22.35s | 20.35s |
| प्रतिक्रिया समय (अधिकतम) | 100.41s | 113.98s |
| प्रतिक्रिया समय (कुल) | 469.29s | 427.42s |
जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#23 Step 3.7 Flash
medium- लागत
- $0.006
- समय
- 46.2s
- टोकन
- 4,466 tok
स्कोर के अनुसार शीर्ष मॉडल
स्कोर बनाम कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
श्रेणी विवरण
| कोडिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 8.8 | 7.8 | 88.9% | 1 | 44.36s | 7,305 | 433 | 24,216 | |
| Step 3.7 Flash | 8.8 | 7.8 | 88.9% | 1 | 27.42s | 7,437 | 44,797 | 0 |
त्वरित तुलना
तुलना जोड़ी बदलें
GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGPT-5.4mediumGPT-5.6 TerrahighvsStep 3.7 FlashmediumStep 3.7 FlashmediumvsGLM 5.2highGPT-5.4mediumvsGLM 5.2highKAT-Coder-Pro V2.5lowvsStep 3.7 FlashmediumKAT-Coder-Pro V2.5lowvsGPT-5.4mediumStep 3.7 FlashmediumvsGrok 4.5lowGPT-5.4mediumvsGrok 4.5lowGemini 3.5 FlashlowvsGPT-5.4mediumClaude Opus 4.8lowvsStep 3.7 Flashmedium