Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.6 Luna vs StepFun: Step 3.7 Flash

Ringkasan

Perbandingan benchmark GPT-5.6 Luna (high) vs Step 3.7 Flash (low): Skor rata-rata hampir imbang di 7.7 vs 7.7. Step 3.7 Flash (low) memiliki biaya benchmark lebih rendah di $0.341 vs $0.924. Step 3.7 Flash (low) lebih cepat di 15.74s vs 18.39s, dengan tingkat keberhasilan 71.4% vs 68.3%.

Model yang direkomendasikan: Step 3.7 Flash (low) - It has the best score here (7.7), while costing about 2.7x less than GPT-5.6 Luna (high).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-09

Metrik GPT-5.6 Luna GPT-5.6 Luna high Rilis: 2026-07-09 Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor 7.7 7.7
Peringkat #50 #49
Keandalan 10.0 10.0
Konsistensi 8.8 8.4
Tes benar
Tingkat lulus per percobaan 71.4% 68.3%
Tes tidak stabil 3 4
Total Run 63 63
Biaya per hasil 6.594 2.840
Total Biaya $0.924 $0.341
Harga input $1.000 / 1M $0.200 / 1M
Harga output $6.000 / 1M $1.150 / 1M
Total token input 35,699 40,101
Token output 2,079 289,325
Token penalaran 145,816 0
Waktu respons (rata-rata) 18.39s 15.74s
Waktu respons (maks) 111.09s 124.75s
Waktu respons (total) 386.24s 330.63s

Showcase generasi

Hamster playing table tennis

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

#50 GPT-5.6 Luna

high
Biaya
$0.033
Waktu
34.2s
Token
5,484 tok

#49 Step 3.7 Flash

low
SVG tidak valid
Biaya
$0.004
Waktu
25.3s
Token
3,072 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-5.6 Luna 8.3 10.0 75.0% 0 2.99s 606 162 1,265
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 756 10,896 0
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.6 Luna 10.0 10.0 100.0% 0 13.29s 12,500 357 2,911
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 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-5.6 Luna 10.0 10.0 100.0% 0 2.18s 7,140 234 470
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 7,398 2,667 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-5.6 Luna 7.7 10.0 66.7% 0 78.96s 723 69 96,395
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 828 104,487 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-5.6 Luna 5.0 10.0 0.0% 0 3.65s 477 117 563
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 525 4,604 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-5.6 Luna 9.9 10.0 100.0% 0 1.79s 660 97 481
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 735 1,857 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-5.6 Luna 7.6 7.2 77.8% 1 14.55s 642 242 18,281
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 756 3,564 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-5.6 Luna 10.0 10.0 100.0% 0 4.98s 5,454 260 324
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 7,746 1,360 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-5.6 Luna 3.0 10.0 0.0% 0 17.00s 195 31 7,380
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsGPT-5.6 LunahighStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.6 LunahighvsGrok 4.3mediumClaude Opus 4.8lowvsGPT-5.6 LunahighQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6mediumTersedia gratisvsStep 3.7 FlashlowKimi K2.6mediumTersedia gratisvsGPT-5.6 LunahighGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsGPT-5.6 LunahighQwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow