Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.2 vs StepFun: Step 3.7 Flash

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-29

Metrik GPT-5.2 GPT-5.2 medium Rilis: 2025-12-11 Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor 7.3 7.4
Peringkat #63 #60
Keandalan 10.0 10.0
Konsistensi 8.3 8.7
Tes benar
Tingkat lulus per percobaan 70.0% 68.3%
Tes tidak stabil 4 3
Total Run 60 60
Biaya per hasil 4.094 2.796
Total Biaya $0.492 $0.336
Harga input $1.750 / 1M $0.200 / 1M
Harga output $14.000 / 1M $1.150 / 1M
Token output 2,880 285,209
Token penalaran 28,289 0
Waktu respons (rata-rata) 16.50s 16.06s
Waktu respons (maks) 77.80s 124.75s
Waktu respons (total) 214.45s 321.11s

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 6.5 8.0 58.3% 1 7.81s 567 2,002
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 10,896 0
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 10.0 10.0 100.0% 0 23.15s 490 8,269
Step 3.7 Flash 10.0 10.0 100.0% 0 9.43s 14,569 0
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 10.0 10.0 100.0% 0 14.06s 291 1,757
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 6,426 0
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 10.0 10.0 100.0% 0 3.15s 234 420
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 2,667 0
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 5.9 7.2 55.6% 1 77.80s 42 10,342
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 104,487 0
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 3.7 9.7 0.0% 0 4.32s 162 269
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 4,604 0
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 9.9 10.0 100.0% 0 3.12s 94 614
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 1,857 0
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 7.5 7.3 77.8% 1 5.80s 735 924
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 3,564 0
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 4.7 1.6 66.7% 1 10.30s 239 469
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 1,360 0
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.2 3.0 10.0 0.0% 0 28.18s 26 3,223
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 134,779 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Kimi K2.6mediumTersedia gratisvsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2.5mediumGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5V TurbomediumStep 3.7 FlashlowvsGLM 5.1mediumClaude Opus 4.8nonevsGPT-5.2mediumGPT-5.4 MinimediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowRing-2.6-1TnonevsGPT-5.2mediumGemini 3.1 Flash LitelowvsGPT-5.2mediumClaude Opus 4.8nonevsStep 3.7 FlashlowDeepSeek V3.2mediumvsStep 3.7 Flashlow