AI BENCHY Compare
OpenAI: GPT-5.4 vs StepFun: Step 3.5 Flash
比較する:
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: 2026-03-05
| 指標 | OpenAI: GPT-5.4 none リリース: 2026-03-05 | StepFun: Step 3.5 Flash medium リリース: 2026-02-01 無料で利用可能 |
|---|---|---|
| 順位 | #44 | #16 |
| 平均スコア | 4.6 | 7.5 |
| 正解テスト | ||
| 一貫性 | 8.9 | 9.0 |
| 結果あたりのコスト | 1.496 | 0.000 |
| 合計コスト | $0.090 | $0.000 |
| 試行ごとの合格率 | 44.4% | 73.3% |
| 不安定なテスト | 2 | 2 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| 出力トークン | 1,635 | 69,238 |
| 推論トークン | 0 | 152,563 |
| 応答時間（平均） | 1.46s | 31.60s |
| 応答時間（最大） | 2.89s | 170.45s |
| 応答時間（合計） | 21.86s | 284.43s |
応答時間（平均）
スコア vs 総コスト
平均スコア vs 応答時間（平均）
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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 18.54s | 13,924 | 17,208 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| StepFun: 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| StepFun: 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| StepFun: Step 3.5 Flash | 4.0 | 7.2 | 44.4% | 1 | 170.45s | 45,350 | 90,436 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| StepFun: Step 3.5 Flash | 9.0 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| StepFun: Step 3.5 Flash | 4.0 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| StepFun: 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
GPT-5.3 ChatnonevsStep 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Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium無料で利用可能MiniMax M2.5mediumvsGPT-5.4noneGPT-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 PreviewhighvsStep 3.5 Flashmedium無料で利用可能Gemini 3 Flash PreviewlowvsStep 3.5 Flashmedium無料で利用可能Claude Sonnet 4.6nonevsStep 3.5 Flashmedium無料で利用可能Mercury 2mediumvsGPT-5.4noneQwen3.5 Plus 2026-02-15nonevsStep 3.5 Flashmedium無料で利用可能GPT-5.4nonevsQwen3.5-35B-A3Bmedium