AI BENCHY Compare

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

Ringkasan

Perbandingan benchmark GPT-5.6 Sol (medium) vs Step 3.7 Flash (low): GPT-5.6 Sol (medium) unggul dalam skor rata-rata dengan 9.4 vs 7.7. Step 3.7 Flash (low) memiliki biaya benchmark lebih rendah di $0.341 vs $0.966. GPT-5.6 Sol (medium) lebih cepat di 10.79s vs 15.74s, dengan tingkat keberhasilan 90.5% vs 68.3%.

Model yang direkomendasikan: GPT-5.6 Sol (medium) - It has the strongest score in this comparison (9.4) and the best overall balance of cost and response time across all 2 models.

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

Metrik	GPT-5.6 Sol GPT-5.6 Sol medium Rilis: 2026-07-09	Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29

Metrik	GPT-5.6 Sol GPT-5.6 Sol medium Rilis: 2026-07-09	Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor	9.4	7.7
Peringkat	#5	#49
Keandalan	10.0	10.0
Konsistensi	8.8	8.4
Tes benar
Tingkat lulus per percobaan	90.5%	68.3%
Tes tidak stabil	3	4
Total Run	63	63
Biaya per hasil	5.682	2.840
Total Biaya	$0.966	$0.341
Harga input	$5.000 / 1M	$0.200 / 1M
Harga output	$30.000 / 1M	$1.150 / 1M
Total token input	34,218	40,101
Token output	1,895	289,325
Token penalaran	24,600	0
Waktu respons (rata-rata)	10.79s	15.74s
Waktu respons (maks)	79.40s	124.75s
Waktu respons (total)	226.57s	330.63s

Showcase generasi

Hamster playing table tennis

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

#5 GPT-5.6 Sol

medium

Biaya: $0.124
Waktu: 57.2s
Token: 4,199 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 Sol	10.0	10.0	100.0%	0		2.81s	606	173	572
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 Sol	10.0	10.0	100.0%	0		9.40s	7,302	394	4,706
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 Sol	10.0	10.0	100.0%	0		12.13s	11,019	318	1,214
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 Sol	10.0	10.0	100.0%	0		1.38s	7,140	222	0
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 Sol	5.9	7.2	55.6%	1		47.86s	723	71	16,201
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 Sol	10.0	10.0	100.0%	0		3.48s	477	99	214
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 Sol	10.0	10.0	100.0%	0		2.50s	660	96	249
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 Sol	8.2	7.2	88.9%	1		2.98s	642	228	566
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 Sol	10.0	10.0	100.0%	0		6.30s	5,454	264	361
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 Sol	4.7	1.6	66.7%	1		4.94s	195	30	517
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Perbandingan Cepat

Ganti Pasangan Perbandingan