Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.3 Chat vs StepFun: Step 3.7 Flash

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-04

Metrik GPT-5.3 Chat GPT-5.3 Chat none Rilis: 2026-03-03 Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29
Skor 7.2 7.0
Peringkat #63 #71
Keandalan 10.0 10.0
Konsistensi 8.1 8.2
Tes benar
Tingkat lulus per percobaan 66.7% 63.5%
Tes tidak stabil 5 4
Total Run 63 63
Biaya per hasil 3.605 10.434
Total Biaya $0.433 $1.148
Harga input $1.750 / 1M $0.200 / 1M
Harga output $14.000 / 1M $1.150 / 1M
Total token input 34,209 38,391
Token output 26,617 991,355
Token penalaran 0 0
Waktu respons (rata-rata) 6.34s 64.46s
Waktu respons (maks) 18.33s 364.99s
Waktu respons (total) 133.13s 1353.57s

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 input Token output Token penalaran
GPT-5.3 Chat 6.7 8.1 58.3% 1 3.86s 606 3,167 0
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 0
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.3 Chat 5.6 4.7 55.6% 2 10.52s 7,302 6,632 0
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.3 Chat 10.0 10.0 100.0% 0 11.96s 11,019 2,614 0
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 0
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.21s 7,140 942 0
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 0
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.3 Chat 3.5 4.4 33.3% 2 13.01s 723 8,264 0
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 0
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.3 Chat 4.6 10.0 0.0% 0 1.99s 477 319 0
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 0
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.3 Chat 9.8 10.0 100.0% 0 3.51s 660 1,491 0
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 0
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.99s 642 1,758 0
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 0
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.3 Chat 10.0 10.0 100.0% 0 8.36s 5,445 861 0
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 0
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.3 Chat 3.0 10.0 0.0% 0 4.38s 195 569 0
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.4 NanomediumvsStep 3.7 FlashhighClaude Opus 4.6mediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighMiniMax M3mediumvsStep 3.7 FlashhighGPT-5.3 ChatnonevsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsGPT-5.3 ChatnoneKimi K2.6mediumTersedia gratisvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGLM 5V TurbomediumGPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V3.2mediumvsStep 3.7 FlashhighGPT-5.3 ChatnonevsStep 3.7 Flashlow