ナビゲーション
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.2 vs StepFun: Step 3.7 Flash

概要

GPT-5.2 vs Step 3.7 Flash の benchmark 比較: Step 3.7 Flash が平均スコアでリードし、8.5 vs 8.4 です。 Step 3.7 Flash の benchmark コストが低く、$0.376 vs $0.548 です。 GPT-5.2 の方が高速で、16.88s vs 20.35s です、成功率は 71.4% vs 73.0% です。

おすすめモデル: Step 3.7 Flash - この比較で最も高いスコア（8.5）を出し、全 2 モデルの中でコストと応答時間のバランスも最良です。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-02

指標 GPT-5.2 GPT-5.2 medium リリース: 2025-12-11 Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29
スコア 8.4 8.5
順位 #22 #20
信頼性 10.0 9.9
一貫性 8.4 9.3
正解テスト
試行ごとの合格率 71.4% 73.0%
不安定なテスト 4 2
総実行回数 63 61
結果あたりのコスト 4.209 2.686
合計コスト $0.548 $0.376
入力価格 $1.750 / 1M $0.200 / 1M
出力価格 $14.000 / 1M $1.150 / 1M
合計入力トークン 33,967 39,981
出力トークン 2,901 319,958
推論トークン 31,932 0
応答時間（平均） 16.88s 20.35s
応答時間（最大） 77.80s 113.98s
応答時間（合計） 236.34s 427.42s

生成ショーケース

Hamster playing table tennis

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

#22 GPT-5.2

medium
コスト
$0.047
時間
49.2s
トークン
3,396 tok

#20 Step 3.7 Flash

medium
コスト
$0.006
時間
46.2s
トークン
4,466 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

反AIトリック スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
GPT-5.2 6.5 8.0 58.3% 1 7.81s 606 567 2,002
Step 3.7 Flash 8.7 7.9 91.7% 1 9.65s 756 32,185 0
コーディング スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
GPT-5.2 10.0 10.0 100.0% 0 22.73s 7,302 511 11,912
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
複合 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
GPT-5.2 10.0 10.0 100.0% 0 14.06s 11,019 291 1,757
Step 3.7 Flash 10.0 10.0 100.0% 0 9.06s 13,683 7,106 0
データ解析と抽出 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
GPT-5.2 10.0 10.0 100.0% 0 3.15s 7,140 234 420
Step 3.7 Flash 10.0 10.0 100.0% 0 2.75s 7,398 3,020 0
ドメイン特化 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
GPT-5.2 5.9 7.2 55.6% 1 77.80s 473 42 10,342
Step 3.7 Flash 7.7 10.0 66.7% 0 48.27s 708 70,347 0
汎用知能 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
GPT-5.2 3.7 9.7 0.0% 0 4.32s 477 162 269
Step 3.7 Flash 4.0 10.0 0.0% 0 6.85s 525 3,987 0
指示追従 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
GPT-5.2 9.9 10.0 100.0% 0 3.12s 660 94 614
Step 3.7 Flash 9.8 10.0 100.0% 0 1.83s 735 2,166 0
パズル解決 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
GPT-5.2 7.5 7.3 77.8% 1 5.80s 642 735 924
Step 3.7 Flash 5.7 9.9 33.3% 0 6.19s 756 15,071 0
ツール呼び出し スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
GPT-5.2 4.7 1.6 66.7% 1 10.30s 5,453 239 469
Step 3.7 Flash 10.0 10.0 100.0% 0 4.16s 7,746 2,115 0
雑学 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
GPT-5.2 3.0 10.0 0.0% 0 28.18s 195 26 3,223
Step 3.7 Flash 3.0 10.0 0.0% 0 113.98s 237 139,164 0

クイック比較

比較ペアを切り替え

GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGPT-5.2mediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumClaude Opus 4.8lowvsGPT-5.2mediumGPT-5.2mediumvsStep 3.7 FlashlowClaude Opus 4.8lowvsStep 3.7 FlashmediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumDeepSeek V4 ProhighvsGPT-5.2mediumGPT-5.5lowvsStep 3.7 FlashmediumGemini 3.5 FlashlowvsGPT-5.2mediumDeepSeek V4 ProhighvsStep 3.7 FlashmediumGPT-5.3 ChatnonevsStep 3.7 Flashmedium