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 9.0 vs 7.1. Step 3.7 Flash memiliki biaya benchmark lebih rendah di $1.148 vs $3.679. GPT-5.5 lebih cepat di 37.98s vs 64.46s, dengan tingkat keberhasilan 87.3% vs 63.5%.

Model yang direkomendasikan: GPT-5.5 - It has the best score here (9.0), while responding about 1.7x faster than Step 3.7 Flash.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-18

Metrik	GPT-5.5 GPT-5.5 medium Rilis: 2026-04-24	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29

Metrik	GPT-5.5 GPT-5.5 medium Rilis: 2026-04-24	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29
Skor	9.0	7.1
Peringkat	#9	#63
Keandalan	10.0	10.0
Konsistensi	8.9	8.2
Tes benar
Tingkat lulus per percobaan	87.3%	63.5%
Tes tidak stabil	3	4
Total Run	63	63
Biaya per hasil	21.638	10.434
Total Biaya	$3.679	$1.148
Harga input	$5.000 / 1M	$0.200 / 1M
Harga output	$30.000 / 1M	$1.150 / 1M
Total token input	34,212	38,391
Token output	1,985	991,355
Token penalaran	114,925	0
Waktu respons (rata-rata)	37.98s	64.46s
Waktu respons (maks)	332.10s	364.99s
Waktu respons (total)	797.60s	1353.57s

Showcase generasi

Hamster playing table tennis

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

#9 GPT-5.5

medium

Biaya: $0.112
Waktu: 71.9s
Token: 3,807 tok

#63 Step 3.7 Flash

high

Biaya: $0.007
Waktu: 63.6s
Token: 6,030 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		4.66s	606	250	1,335
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-5.5	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959
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-5.5	10.0	10.0	100.0%	0		19.29s	11,019	312	2,841
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-5.5	10.0	10.0	100.0%	0		4.18s	7,140	234	593
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-5.5	5.3	7.2	44.4%	1		164.14s	723	67	79,625
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-5.5	10.0	10.0	100.0%	0		4.16s	477	138	223
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-5.5	10.0	10.0	100.0%	0		3.36s	660	93	538
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-5.5	10.0	10.0	100.0%	0		6.76s	642	241	2,225
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-5.5	10.0	10.0	100.0%	0		10.57s	5,445	258	832
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-5.5	2.8	1.6	33.3%	1		37.86s	195	30	1,754
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Step 3.7 FlashhighvsGLM 5.1medium Step 3.7 FlashhighvsGLM 5.2none Qwen3.7 PlusnonevsStep 3.7 Flashhigh Kimi K2.7 CodemediumvsStep 3.7 Flashhigh Gemma 4 26B A4BmediumTersedia gratisvsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh Gemini 3.5 FlashnonevsStep 3.7 Flashhigh Claude Opus 4.8nonevsStep 3.7 Flashhigh Gemini 3 Flash PreviewnonevsStep 3.7 Flashhigh Claude Sonnet 4.6nonevsStep 3.7 Flashhigh Qwen3.7 MaxnonevsStep 3.7 Flashhigh Gemini 3.5 FlashlowvsGPT-5.5medium