Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.5 vs StepFun: Step 3.7 Flash

Ringkasan

Perbandingan benchmark GPT-5.5 vs Step 3.7 Flash: GPT-5.5 unggul dalam skor rata-rata dengan 9.3 vs 8.5. Step 3.7 Flash memiliki biaya benchmark lebih rendah di $0.376 vs $0.907. GPT-5.5 lebih cepat di 9.76s vs 20.35s, dengan tingkat keberhasilan 85.7% vs 73.0%.

Model yang direkomendasikan: GPT-5.5 - It has the best score here (9.3), while responding about 2.1x faster than Step 3.7 Flash.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-12

Metrik GPT-5.5 GPT-5.5 low Rilis: 2026-04-24 Step 3.7 Flash Step 3.7 Flash medium Rilis: 2026-05-29
Skor 9.3 8.5
Peringkat #5 #23
Keandalan 10.0 9.9
Konsistensi 10.0 9.3
Tes benar
Tingkat lulus per percobaan 85.7% 73.0%
Tes tidak stabil 0 2
Total Run 63 61
Biaya per hasil 5.035 2.686
Total Biaya $0.907 $0.376
Harga input $5.000 / 1M $0.200 / 1M
Harga output $30.000 / 1M $1.150 / 1M
Total token input 34,209 39,981
Token output 2,046 319,958
Token penalaran 22,460 0
Waktu respons (rata-rata) 9.76s 20.35s
Waktu respons (maks) 56.19s 113.98s
Waktu respons (total) 204.92s 427.42s

Generation showcase

Hamster playing table tennis

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

#5 GPT-5.5

low
Cost
$0.068
Time
37.0s
Tokens
2,339 tok

#23 Step 3.7 Flash

medium
Cost
$0.006
Time
46.2s
Tokens
4,466 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

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 3.7 Flash 8.7 7.9 91.7% 1 9.65s 756 32,185 0
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Step 3.7 Flash 10.0 10.0 100.0% 0 9.06s 13,683 7,106 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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Step 3.7 Flash 10.0 10.0 100.0% 0 2.75s 7,398 3,020 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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
Step 3.7 Flash 7.7 10.0 66.7% 0 48.27s 708 70,347 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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
Step 3.7 Flash 4.0 10.0 0.0% 0 6.85s 525 3,987 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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
Step 3.7 Flash 9.8 10.0 100.0% 0 1.83s 735 2,166 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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
Step 3.7 Flash 5.7 9.9 33.3% 0 6.19s 756 15,071 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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
Step 3.7 Flash 10.0 10.0 100.0% 0 4.16s 7,746 2,115 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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Step 3.7 Flash 3.0 10.0 0.0% 0 113.98s 237 139,164 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowDeepSeek V4 FlashhighvsStep 3.7 FlashmediumGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.5lowGemini 3.5 FlashlowvsStep 3.7 Flashmedium