ナビゲーション
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.5 vs StepFun: Step 3.7 Flash

概要

GPT-5.5 vs Step 3.7 Flash の benchmark 比較: GPT-5.5 が平均スコアでリードし、9.3 vs 7.1 です。 GPT-5.5 の benchmark コストが低く、$0.907 vs $1.148 です。 GPT-5.5 の方が高速で、9.76s vs 64.46s です、成功率は 85.7% vs 63.5% です。

おすすめモデル: GPT-5.5 - ここでは最高スコア（9.3）で、Step 3.7 Flash より約 6.6 倍速く応答します。

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: 2026-06-18

指標 GPT-5.5 GPT-5.5 low リリース: 2026-04-24 Step 3.7 Flash Step 3.7 Flash high リリース: 2026-05-29
スコア 9.3 7.1
順位 #4 #63
信頼性 10.0 10.0
一貫性 10.0 8.2
正解テスト
試行ごとの合格率 85.7% 63.5%
不安定なテスト 0 4
総実行回数 63 63
結果あたりのコスト 5.035 10.434
合計コスト $0.907 $1.148
入力価格 $5.000 / 1M $0.200 / 1M
出力価格 $30.000 / 1M $1.150 / 1M
合計入力トークン 34,209 38,391
出力トークン 2,046 991,355
推論トークン 22,460 0
応答時間（平均） 9.76s 64.46s
応答時間（最大） 56.19s 364.99s
応答時間（合計） 204.92s 1353.57s

生成ショーケース

Hamster playing table tennis

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

#4 GPT-5.5

low
コスト
$0.068
時間
37.0s
トークン
2,339 tok

#63 Step 3.7 Flash

high
コスト
$0.007
時間
63.6s
トークン
6,030 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-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

クイック比較

比較ペアを切り替え

Step 3.7 FlashhighvsGLM 5.1mediumGPT-5.5lowvsQwen3.7 MaxmediumStep 3.7 FlashhighvsGLM 5.2noneQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemma 4 26B A4Bmedium無料で利用可能vsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowClaude Opus 4.8nonevsStep 3.7 FlashhighGemini 3 Flash PreviewnonevsStep 3.7 Flashhigh