ナビゲーション
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.6 Sol vs StepFun: Step 3.7 Flash

概要

GPT-5.6 Sol (medium) vs Step 3.7 Flash (low) の benchmark 比較: GPT-5.6 Sol (medium) が平均スコアでリードし、9.4 vs 7.7 です。 Step 3.7 Flash (low) の benchmark コストが低く、$0.341 vs $0.966 です。 GPT-5.6 Sol (medium) の方が高速で、10.79s vs 15.74s です、成功率は 90.5% vs 68.3% です。

おすすめモデル: GPT-5.6 Sol (medium) - この比較で最も高いスコア（9.4）を出し、全 2 モデルの中でコストと応答時間のバランスも最良です。

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: 2026-07-09

指標 GPT-5.6 Sol GPT-5.6 Sol medium リリース: 2026-07-09 Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29
スコア 9.4 7.7
順位 #5 #49
信頼性 10.0 10.0
一貫性 8.8 8.4
正解テスト
試行ごとの合格率 90.5% 68.3%
不安定なテスト 3 4
総実行回数 63 63
結果あたりのコスト 5.682 2.840
合計コスト $0.966 $0.341
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 34,218 40,101
出力トークン 1,895 289,325
推論トークン 24,600 0
応答時間（平均） 10.79s 15.74s
応答時間（最大） 79.40s 124.75s
応答時間（合計） 226.57s 330.63s

生成ショーケース

Hamster playing table tennis

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

#5 GPT-5.6 Sol

medium
コスト
$0.124
時間
57.2s
トークン
4,199 tok

#49 Step 3.7 Flash

low
無効なSVG
コスト
$0.004
時間
25.3s
トークン
3,072 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-5.6 Sol 10.0 10.0 100.0% 0 2.81s 606 173 572
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 756 10,896 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-5.6 Sol 10.0 10.0 100.0% 0 9.40s 7,302 394 4,706
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 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-5.6 Sol 10.0 10.0 100.0% 0 12.13s 11,019 318 1,214
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 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-5.6 Sol 10.0 10.0 100.0% 0 1.38s 7,140 222 0
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 7,398 2,667 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-5.6 Sol 5.9 7.2 55.6% 1 47.86s 723 71 16,201
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 828 104,487 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-5.6 Sol 10.0 10.0 100.0% 0 3.48s 477 99 214
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 525 4,604 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-5.6 Sol 10.0 10.0 100.0% 0 2.50s 660 96 249
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 735 1,857 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-5.6 Sol 8.2 7.2 88.9% 1 2.98s 642 228 566
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 756 3,564 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-5.6 Sol 10.0 10.0 100.0% 0 6.30s 5,454 264 361
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 7,746 1,360 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-5.6 Sol 4.7 1.6 66.7% 1 4.94s 195 30 517
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

クイック比較

比較ペアを切り替え

GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6medium無料で利用可能vsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumGemini 3.5 FlashlowvsGPT-5.6 Solmedium