AI BENCHY Compare
OpenAI: GPT-5.4 Mini 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: 2026-03-17
| 指標 | GPT-5.4 Mini GPT-5.4 Mini medium | Step 3.5 Flash Step 3.5 Flash medium 無料で利用可能 |
|---|---|---|
| 順位 | #34 | #22 |
| スコア | 7.1 | 7.9 |
| 一貫性 | 7.2 | 9.1 |
| 結果あたりのコスト | 3.610 | 0.000 |
| 合計コスト | $0.289 | $0.000 |
| 正解テスト | ||
| 試行ごとの合格率 | 68.6% | 70.6% |
| 不安定なテスト | 6 | 2 |
| 総実行回数 | 51 | 49 |
| 出力トークン | 1,708 | 71,904 |
| 推論トークン | 58,019 | 155,607 |
| 応答時間（平均） | 15.66s | 26.78s |
| 応答時間（最大） | 102.91s | 170.45s |
| 応答時間（合計） | 266.14s | 294.58s |
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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 8.6 | 7.9 | 91.7% | 1 | 4.05s | 296 | 2,876 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 13.56s | 14,376 | 17,668 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 17.81s | 317 | 4,317 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 234 | 650 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.1 | 4.4 | 44.5% | 2 | 65.31s | 60 | 43,286 | |
| Step 3.5 Flash | 5.3 | 7.2 | 44.4% | 1 | 170.45s | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.5 | 10.0 | 0.0% | 0 | 3.72s | 150 | 510 | |
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 6.54s | 2,214 | 2,584 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 7.4 | 6.5 | 66.7% | 1 | 2.50s | 129 | 1,337 | |
| Step 3.5 Flash | 8.5 | 6.8 | 83.3% | 1 | 4.98s | 2,284 | 3,412 |
| Puzzle Solving | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 6.8 | 7.9 | 55.6% | 1 | 4.33s | 271 | 2,449 | |
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.72s | 5,629 | 10,835 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.7 | 1.6 | 66.7% | 1 | 9.62s | 251 | 2,594 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 275 | 3,802 |
クイック比較
比較ペアを切り替え
Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium無料で利用可能GPT-5.2 ChatnonevsStep 3.5 Flashmedium無料で利用可能Gemini 3 Flash PreviewnonevsStep 3.5 Flashmedium無料で利用可能Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmedium無料で利用可能Claude Sonnet 4.6nonevsGPT-5.4 MinimediumGPT-5.3 ChatnonevsStep 3.5 Flashmedium無料で利用可能GPT-5.4 MinimediumvsQwen3.5 Plus 2026-02-15noneGPT-5.4 MinimediumvsGLM 5noneClaude Sonnet 4.6nonevsStep 3.5 Flashmedium無料で利用可能Gemini 3.1 Flash Lite PreviewnonevsGPT-5.4 MinimediumDeepSeek V3.2nonevsGPT-5.4 MinimediumGemini 3 Flash PreviewlowvsStep 3.5 Flashmedium無料で利用可能