AI BENCHY तुलना
OpenAI: GPT-5.4 vs StepFun: Step 3.5 Flash
तुलना करें:
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-03-05
| मेट्रिक | OpenAI: GPT-5.4 none रिलीज़: 2026-03-05 | StepFun: Step 3.5 Flash medium रिलीज़: 2026-02-01 निःशुल्क उपलब्ध |
|---|---|---|
| रैंक | #44 | #16 |
| औसत स्कोर | 4.6 | 7.5 |
| सही परीक्षण | ||
| संगति | 8.9 | 9.0 |
| प्रति परिणाम लागत | 1.496 | 0.000 |
| कुल लागत | $0.090 | $0.000 |
| प्रति प्रयास पास दर | 44.4% | 73.3% |
| अस्थिर टेस्ट | 2 | 2 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| आउटपुट टोकन | 1,635 | 69,238 |
| रीजनिंग टोकन | 0 | 152,563 |
| प्रतिक्रिया समय (औसत) | 1.46s | 31.60s |
| प्रतिक्रिया समय (अधिकतम) | 2.89s | 170.45s |
| प्रतिक्रिया समय (कुल) | 21.86s | 284.43s |
प्रतिक्रिया समय (औसत)
स्कोर बनाम कुल लागत
औसत स्कोर vs प्रतिक्रिया समय (औसत)
श्रेणी विवरण
| एंटी-एआई ट्रिक्स | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 18.54s | 13,924 | 17,208 |
| संयुक्त | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 1,176 | 12,984 |
| डेटा पार्सिंग और निष्कर्षण | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 600 | 13,886 |
| डोमेन-विशिष्ट | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| StepFun: Step 3.5 Flash | 4.0 | 7.2 | 44.4% | 1 | 170.45s | 45,350 | 90,436 |
| निर्देश पालन | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| StepFun: Step 3.5 Flash | 9.0 | 6.8 | 83.3% | 1 | 4.98s | 2,284 | 3,412 |
| Puzzle Solving | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| StepFun: Step 3.5 Flash | 4.0 | 10.0 | 33.3% | 0 | 7.72s | 5,629 | 10,835 |
| टूल कॉलिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 275 | 3,802 |
त्वरित तुलना
तुलना जोड़ी बदलें
GPT-5.3 ChatnonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धGemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmediumनिःशुल्क उपलब्धGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धMiniMax M2.5mediumvsGPT-5.4noneGPT-5.2 ChatnonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धGemini 3 Flash PreviewnonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धGemini 3.1 Flash Lite PreviewhighvsStep 3.5 Flashmediumनिःशुल्क उपलब्धGemini 3 Flash PreviewlowvsStep 3.5 Flashmediumनिःशुल्क उपलब्धClaude Sonnet 4.6nonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धMercury 2mediumvsGPT-5.4noneQwen3.5 Plus 2026-02-15nonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धGPT-5.4nonevsQwen3.5-35B-A3Bmedium