- 順位
- #209
- 合計出力トークン
- 8,339
- 応答時間（平均）
- 2.08s
- 合計コスト
- $0.397
GPT-5.4 vs Step 3.5 Flash (medium)
Step 3.5 Flash (medium) が平均スコアでリードし、5.9 vs 5.8 です。 Step 3.5 Flash (medium) の benchmark コストが低く、$0.132 vs $0.397 です。 GPT-5.4 の方が高速で、2.08s vs 191.63s です、成功率は 34.9% vs 50.0% です。
- 順位
- #202
- 合計出力トークン
- 568,536
- 応答時間（平均）
- 191.63s
- 合計コスト
- $0.132
おすすめモデル
GPT-5.4
スコアはここでの最高値に近く（5.8 vs 5.9）、Step 3.5 Flash (medium) より約 92.2 倍速く応答します。
詳細比較
| 指標 | GPT-5.4 GPT-5.4 none | Step 3.5 Flash Step 3.5 Flash medium |
|---|---|---|
| スコア | 5.8 | 5.9 |
| 順位 | #209 | #202 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 9.2 | 8.6 |
| 試行回数 | 66/66 | 63/66 |
| 正解テスト | ||
| 試行ごとの合格率 | 34.9% | 50.0% |
| 不安定なテスト | 2 | 2 |
| 総実行回数 | 66 | 63 |
| 結果あたりのコスト | 5.667 | 0.858 |
| 合計コスト | $0.397 | $0.132 |
| 入力価格 | $2.500 / 1M | $0.100 / 1M |
| 出力価格 | $15.000 / 1M | $0.300 / 1M |
| 合計入力トークン | 108,641 | 65,716 |
| 出力トークン | 8,339 | 189,424 |
| 推論トークン | 0 | 379,112 |
| 応答時間（平均） | 2.08s | 191.63s |
| 応答時間（最大） | 15.63s | 1597.85s |
| 応答時間（合計） | 45.75s | 3066.07s |
| パラメータ | ~1.5T 総数 (~100B アクティブ) | 196B 総数 (11B アクティブ) |
| 公開状況 | クローズド | オープンソース |
モデル生成ショーケース
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#209 GPT-5.4
none- コスト
- $0.026
- 時間
- 18.1s
- トークン
- 1,792 tok
#202 Step 3.5 Flash
medium- コスト
- $0.008
- 時間
- 277.1s
- トークン
- 23,695 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-5.4 | 3.2 | 8.0 | 8.3% | 1 | 1.21s | 606 | 406 | 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-5.4 | 5.5 | 10.0 | 33.3% | 0 | 1.62s | 7,305 | 516 | 0 | |
| Step 3.5 Flash | 2.4 | 5.2 | 0.0% | 0 | 258.38s | 2,211 | 13,207 | 22,429 |
| 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-5.4 | 3.0 | 10.0 | 0.0% | 0 | 9.26s | 85,439 | 6,195 | 0 | |
| Step 3.5 Flash | 6.5 | 10.0 | 50.0% | 0 | 813.71s | 44,914 | 18,150 | 111,004 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 7,140 | 222 | 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-5.4 | 5.3 | 7.2 | 44.4% | 1 | 1.15s | 732 | 68 | 0 | |
| Step 3.5 Flash | 3.5 | 4.4 | 33.3% | 2 | 311.60s | 682 | 126,213 | 175,555 |
| 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-5.4 | 4.4 | 9.9 | 0.0% | 0 | 1.78s | 477 | 184 | 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-5.4 | 6.5 | 10.0 | 50.0% | 0 | 1.07s | 660 | 81 | 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-5.4 | 5.6 | 9.8 | 33.3% | 0 | 1.44s | 642 | 381 | 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 5,445 | 246 | 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-5.4 | 3.0 | 10.0 | 0.0% | 0 | 990ms | 195 | 40 | 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
Qwen3.5-35B-A3BnonevsStep 3.5 FlashmediumQwen3.5-FlashnonevsStep 3.5 FlashmediumGPT-5.6 TerranonevsStep 3.5 FlashmediumStep 3.5 FlashmediumvsGLM 5.3 FlashlowNorth Mini Codemedium無料で利用可能vsGPT-5.4noneGPT-5.4 MininonevsStep 3.5 FlashmediumSeed 2.1 TurbononevsStep 3.5 FlashmediumNemotron 3 Supermedium無料で利用可能vsGPT-5.4noneGPT-5.4nonevsInkling SmalllowGemini 2.5 FlashnonevsStep 3.5 FlashmediumGPT-5.4nonevsGLM 5.3 FlashlowTrinity Large ThinkinglowvsStep 3.5 Flashmedium