AI BENCHY Compare

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

Ringkasan

Step 3.7 Flash (medium) unggul dalam skor rata-rata dengan 8.5 vs 7.7. GPT-5.6 Terra (low) memiliki biaya benchmark lebih rendah di $0.343 vs $0.376. GPT-5.6 Terra (low) lebih cepat di 4.88s vs 20.35s, dengan tingkat keberhasilan 74.6% vs 73.0%.

Model yang direkomendasikanGPT-5.6 Terra (low)Its score stays close to the best score here (7.7 vs 8.5), while responding about 4.2x faster than Step 3.7 Flash (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-14

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

Metrik	GPT-5.6 Terra GPT-5.6 Terra low Rilis: 2026-07-09	Step 3.7 Flash Step 3.7 Flash medium Rilis: 2026-05-29
Skor	7.7	8.5
Peringkat	#49	#23
Keandalan	10.0	9.9
Konsistensi	8.1	9.3
Tes benar
Tingkat lulus per percobaan	74.6%	73.0%
Tes tidak stabil	5	2
Total Run	63	61
Biaya per hasil	2.637	2.686
Total Biaya	$0.343	$0.376
Harga input	$2.500 / 1M	$0.200 / 1M
Harga output	$15.000 / 1M	$1.150 / 1M
Total token input	34,226	39,981
Token output	1,943	319,958
Token penalaran	15,201	0
Waktu respons (rata-rata)	4.88s	20.35s
Waktu respons (maks)	19.85s	113.98s
Waktu respons (total)	102.53s	427.42s

Showcase generasi

Hamster playing table tennis

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

#49 GPT-5.6 Terra

low

Biaya: $0.034
Waktu: 16.8s
Token: 2,348 tok

#23 Step 3.7 Flash

medium

Biaya: $0.006
Waktu: 46.2s
Token: 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

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 Terra	8.3	10.0	75.0%	0		2.36s	606	171	602
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-5.6 Terra	6.6	4.6	77.8%	2		9.56s	7,302	429	6,821
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-5.6 Terra	10.0	10.0	100.0%	0		5.07s	11,019	312	349
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-5.6 Terra	10.0	10.0	100.0%	0		919ms	7,140	222	0
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-5.6 Terra	5.3	7.2	44.4%	1		8.34s	723	72	4,086
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-5.6 Terra	4.8	3.2	33.3%	1		3.52s	477	105	249
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-5.6 Terra	10.0	10.0	100.0%	0		1.48s	660	87	134
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-5.6 Terra	10.0	10.0	100.0%	0		4.46s	642	259	1,506
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-5.6 Terra	4.7	1.6	66.7%	1		6.69s	5,462	257	226
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-5.6 Terra	3.0	10.0	0.0%	0		5.95s	195	29	1,228
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 Flashmedium GPT-5.6 TerralowvsGrok 4.3medium Claude Opus 4.6mediumvsGPT-5.6 Terralow GPT-5.6 TerralowvsQwen3.5-122B-A10Bmedium Kimi K2.6mediumTersedia gratisvsGPT-5.6 Terralow KAT-Coder-Pro V2.5highvsGPT-5.6 Terralow Gemini 3.1 Flash LitemediumvsGPT-5.6 Terralow GPT-5.6 TerralowvsQwen3.5 Plus 2026-04-20medium Gemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 Terralow MiniMax M3mediumvsGPT-5.6 Terralow DeepSeek V4 ProhighvsGPT-5.6 Terralow Claude Sonnet 4.6mediumvsGPT-5.6 Terralow