OpenAI: GPT-5.5 vs StepFun: Step 3.5 Flash

GPT-5.5 (low) unggul dalam skor rata-rata dengan 9.3 vs 6.0. Step 3.5 Flash (medium) memiliki biaya benchmark lebih rendah di $0.108 vs $1.253. GPT-5.5 (low) lebih cepat di 10.13s vs 174.22s, dengan tingkat keberhasilan 86.4% vs 51.5%.

Model yang direkomendasikanGPT-5.5 (low)It has the best score here (9.3), while responding about 17.2x faster than Step 3.5 Flash (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-18

Metrik	GPT-5.5 GPT-5.5 low Rilis: 2026-04-24	Step 3.5 Flash Step 3.5 Flash medium Rilis: 2026-02-01

Metrik	GPT-5.5 GPT-5.5 low Rilis: 2026-04-24	Step 3.5 Flash Step 3.5 Flash medium Rilis: 2026-02-01
Skor	9.3	6.0
Peringkat	#6	#126
Keandalan	10.0	9.2
Konsistensi	10.0	9.0
Tes benar
Tingkat lulus per percobaan	86.4%	51.5%
Tes tidak stabil	0	1
Total Run	66	63
Biaya per hasil	6.594	0.540
Total Biaya	$1.253	$0.108
Harga input	$5.000 / 1M	$0.100 / 1M
Harga output	$30.000 / 1M	$0.300 / 1M
Total token input	80,058	65,707
Token output	5,378	108,561
Token penalaran	23,040	293,993
Waktu respons (rata-rata)	10.13s	174.22s
Waktu respons (maks)	56.19s	1597.85s
Waktu respons (total)	222.82s	2613.32s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#6 GPT-5.5

low

Biaya: $0.068
Waktu: 37.0s
Token: 2,339 tok

#126 Step 3.5 Flash

medium

Biaya: $0.008
Waktu: 277.1s
Token: 23,695 tok

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

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-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	0		13.73s	56,868	3,635	1,297
Step 3.5 Flash	6.5	10.0	50.0%	0		813.71s	44,914	18,150	111,004

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-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

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-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Perbandingan Cepat

Ganti Pasangan Perbandingan