AI BENCHY Compare
OpenAI: GPT-5.3 Chat vs StepFun: Step 3.5 Flash
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: 2026-06-03
| 指標 | GPT-5.3 Chat GPT-5.3 Chat none | Step 3.5 Flash Step 3.5 Flash medium |
|---|---|---|
| スコア | 7.4 | 7.4 |
| 順位 | #53 | #55 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 8.4 | 9.4 |
| 正解テスト | ||
| 試行ごとの合格率 | 68.3% | 59.7% |
| 不安定なテスト | 4 | 1 |
| 総実行回数 | 60 | 57 |
| 結果あたりのコスト | 3.350 | 0.133 |
| 合計コスト | $0.402 | $0.062 |
| 入力価格 | $1.750 / 1M | $0.090 / 1M |
| 出力価格 | $14.000 / 1M | $0.300 / 1M |
| 合計入力トークン | 31,590 | 33,555 |
| 出力トークン | 24,757 | 90,478 |
| 推論トークン | 0 | 173,544 |
| 応答時間（平均） | 6.13s | 43.20s |
| 応答時間（最大） | 18.33s | 170.45s |
| 応答時間（合計） | 122.61s | 561.54s |
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-5.3 Chat | 6.7 | 8.1 | 58.3% | 1 | 3.86s | 606 | 3,167 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 40.57s | 694 | 20,391 | 24,176 |
| 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-5.3 Chat | 6.9 | 6.2 | 66.7% | 1 | 10.52s | 4,683 | 4,772 | 0 | |
| Step 3.5 Flash | 3.5 | 7.8 | 0.0% | 0 | 62.83s | 1,335 | 12,098 | 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 11.96s | 11,019 | 2,614 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 13,638 | 1,176 | 12,984 |
| 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.21s | 7,140 | 942 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 7,368 | 600 | 13,886 |
| 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-5.3 Chat | 3.5 | 4.4 | 33.3% | 2 | 13.01s | 723 | 8,264 | 0 | |
| Step 3.5 Flash | 5.3 | 7.2 | 44.4% | 1 | 170.45s | 673 | 45,350 | 90,436 |
| 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-5.3 Chat | 4.6 | 10.0 | 0.0% | 0 | 1.99s | 477 | 319 | 0 | |
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 22.39s | 509 | 240 | 3,506 |
| 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-5.3 Chat | 9.8 | 10.0 | 100.0% | 0 | 3.51s | 660 | 1,491 | 0 | |
| Step 3.5 Flash | 8.3 | 10.0 | 50.0% | 0 | 4.78s | 705 | 2,364 | 3,521 |
| 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.99s | 642 | 1,758 | 0 | |
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.22s | 711 | 5,630 | 10,861 |
| 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 8.36s | 5,445 | 861 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 7,701 | 275 | 3,802 |
| 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-5.3 Chat | 3.0 | 10.0 | 0.0% | 0 | 4.38s | 195 | 569 | 0 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 108.45s | 221 | 2,354 | 10,372 |
クイック比較
比較ペアを切り替え
GPT-5.3 ChatnonevsGLM 5.1mediumGPT-5.3 ChatnonevsMiMo-V2.5mediumGemini 3.1 Flash LitelowvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsStep 3.7 FlashlowKimi K2.6medium無料で利用可能vsGPT-5.3 ChatnoneGemini 3.1 Flash LitelowvsStep 3.5 FlashmediumGPT-5.3 ChatnonevsGLM 5V TurbomediumGPT-5.3 ChatnonevsQwen3.6 35B A3BmediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumGPT-5.3 ChatnonevsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8nonevsStep 3.5 FlashmediumGPT-5.3 ChatnonevsQwen3.5-35B-A3Bmedium