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 (medium) vs Step 3.7 Flash (low): Step 3.7 Flash (low) unggul dalam skor rata-rata dengan 7.7 vs 7.6. GPT-5.6 Luna (medium) memiliki biaya benchmark lebih rendah di $0.258 vs $0.341. GPT-5.6 Luna (medium) lebih cepat di 6.70s vs 15.74s, dengan tingkat keberhasilan 63.5% vs 68.3%.

Model yang direkomendasikan: GPT-5.6 Luna (medium) - Its score stays close to the best score here (7.6 vs 7.7), while responding about 2.4x faster than Step 3.7 Flash (low).

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

Metrik GPT-5.6 Luna GPT-5.6 Luna medium Rilis: 2026-07-09 Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor 7.6 7.7
Peringkat #54 #49
Keandalan 10.0 10.0
Konsistensi 9.6 8.4
Tes benar
Tingkat lulus per percobaan 63.5% 68.3%
Tes tidak stabil 1 4
Total Run 63 63
Biaya per hasil 1.978 2.840
Total Biaya $0.258 $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 2,148 289,325
Token penalaran 34,740 0
Waktu respons (rata-rata) 6.70s 15.74s
Waktu respons (maks) 29.85s 124.75s
Waktu respons (total) 140.62s 330.63s

Showcase generasi

Hamster playing table tennis

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

#54 GPT-5.6 Luna

medium
Biaya
$0.014
Waktu
14.6s
Token
2,362 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 2.52s 606 160 987
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 5.4 7.2 44.4% 1 10.38s 7,302 564 9,928
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 9.53s 12,500 375 1,354
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 1.95s 7,140 234 324
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 5.3 10.0 33.3% 0 17.37s 723 68 16,531
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 5.1 10.0 0.0% 0 4.34s 477 112 496
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 2.38s 660 95 393
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 7.8 10.0 66.7% 0 4.04s 642 255 2,104
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 6.02s 5,454 256 244
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 6.64s 195 29 2,379
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumDeepSeek V4 ProhighvsGPT-5.6 LunamediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6mediumTersedia gratisvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1medium