Navigasi
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

OpenAI: gpt-oss-120b vs StepFun: Step 3.7 Flash

Ringkasan

Perbandingan benchmark gpt-oss-120b vs Step 3.7 Flash: Step 3.7 Flash unggul dalam skor rata-rata dengan 7.1 vs 6.7. gpt-oss-120b memiliki biaya benchmark lebih rendah di $0.013 vs $1.148. gpt-oss-120b lebih cepat di 22.28s vs 64.46s, dengan tingkat keberhasilan 52.4% vs 63.5%.

Model yang direkomendasikan: gpt-oss-120b - Its score stays close to the best score here (6.7 vs 7.1), while costing about 94.5x less than Step 3.7 Flash.

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

Metrik gpt-oss-120b gpt-oss-120b medium Rilis: 2025-08-05 Tersedia gratis Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29
Skor 6.7 7.1
Peringkat #78 #63
Keandalan 10.0 10.0
Konsistensi 8.0 8.2
Tes benar
Tingkat lulus per percobaan 52.4% 63.5%
Tes tidak stabil 5 4
Total Run 63 63
Biaya per hasil 0.141 10.434
Total Biaya $0.013 $1.148
Harga input $0.039 / 1M $0.200 / 1M
Harga output $0.180 / 1M $1.150 / 1M
Total token input 39,084 38,391
Token output 20,013 991,355
Token penalaran 50,233 0
Waktu respons (rata-rata) 22.28s 64.46s
Waktu respons (maks) 68.16s 364.99s
Waktu respons (total) 311.96s 1353.57s

Showcase generasi

Hamster playing table tennis

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

#78 gpt-oss-120b

medium
Biaya
$0.001
Waktu
26.7s
Token
555 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-oss-120b 6.7 9.9 50.0% 0 10.21s 1,314 3,518 2,177
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-oss-120b 5.9 7.0 55.6% 1 38.37s 7,782 3,365 11,973
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-oss-120b 10.0 10.0 100.0% 0 31.18s 11,535 694 5,072
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-oss-120b 6.4 5.9 66.7% 1 1.98s 7,476 241 1,114
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-oss-120b 2.9 4.4 22.2% 2 50.92s 1,266 6,784 20,606
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-oss-120b 4.3 10.0 0.0% 0 7.90s 659 107 387
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-oss-120b 9.9 10.0 100.0% 0 7.63s 1,036 126 1,799
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-oss-120b 5.3 7.2 44.4% 1 21.71s 1,190 1,790 2,264
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-oss-120b 9.8 10.0 100.0% 0 6.91s 6,514 287 1,083
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-oss-120b 3.0 10.0 0.0% 0 26.51s 312 3,101 3,758
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 5.1mediumStep 3.7 FlashhighvsGLM 5.2noneQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemma 4 26B A4BmediumTersedia gratisvsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighGemini 3.5 Flashminimalvsgpt-oss-120bmediumTersedia gratisClaude Opus 4.8nonevsStep 3.7 Flashhighgpt-oss-120bmediumTersedia gratisvsQwen3.7 MaxnoneGemini 3 Flash PreviewnonevsStep 3.7 FlashhighGemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmediumTersedia gratis