AI BENCHY Compare

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

概要

Step 3.7 Flash (medium) が平均スコアでリードし、8.5 vs 7.7 です。 GPT-5.6 Terra (low) の benchmark コストが低く、$0.343 vs $0.376 です。 GPT-5.6 Terra (low) の方が高速で、4.88s vs 20.35s です、成功率は 74.6% vs 73.0% です。

おすすめモデルGPT-5.6 Terra (low)スコアはここでの最高値に近く（7.7 vs 8.5）、Step 3.7 Flash (medium) より約 4.2 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: 2026-07-14

指標	GPT-5.6 Terra GPT-5.6 Terra low リリース: 2026-07-09	Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29

指標	GPT-5.6 Terra GPT-5.6 Terra low リリース: 2026-07-09	Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29
スコア	7.7	8.5
順位	#49	#23
信頼性	10.0	9.9
一貫性	8.1	9.3
正解テスト
試行ごとの合格率	74.6%	73.0%
不安定なテスト	5	2
総実行回数	63	61
結果あたりのコスト	2.637	2.686
合計コスト	$0.343	$0.376
入力価格	$2.500 / 1M	$0.200 / 1M
出力価格	$15.000 / 1M	$1.150 / 1M
合計入力トークン	34,226	39,981
出力トークン	1,943	319,958
推論トークン	15,201	0
応答時間（平均）	4.88s	20.35s
応答時間（最大）	19.85s	113.98s
応答時間（合計）	102.53s	427.42s

生成ショーケース

Hamster playing table tennis

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

#49 GPT-5.6 Terra

low

コスト: $0.034
時間: 16.8s
トークン: 2,348 tok

#23 Step 3.7 Flash

medium

コスト: $0.006
時間: 46.2s
トークン: 4,466 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

カテゴリ:

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 Terra	8.3	10.0	75.0%	0		2.36s	606	171	602
Step 3.7 Flash	8.7	7.9	91.7%	1		9.65s	756	32,185	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 Terra	6.6	4.6	77.8%	2		9.56s	7,302	429	6,821
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	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 Terra	10.0	10.0	100.0%	0		5.07s	11,019	312	349
Step 3.7 Flash	10.0	10.0	100.0%	0		9.06s	13,683	7,106	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 Terra	10.0	10.0	100.0%	0		919ms	7,140	222	0
Step 3.7 Flash	10.0	10.0	100.0%	0		2.75s	7,398	3,020	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 Terra	5.3	7.2	44.4%	1		8.34s	723	72	4,086
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	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 Terra	4.8	3.2	33.3%	1		3.52s	477	105	249
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	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 Terra	10.0	10.0	100.0%	0		1.48s	660	87	134
Step 3.7 Flash	9.8	10.0	100.0%	0		1.83s	735	2,166	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 Terra	10.0	10.0	100.0%	0		4.46s	642	259	1,506
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	15,071	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 Terra	4.7	1.6	66.7%	1		6.69s	5,462	257	226
Step 3.7 Flash	10.0	10.0	100.0%	0		4.16s	7,746	2,115	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 Terra	3.0	10.0	0.0%	0		5.95s	195	29	1,228
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

クイック比較

比較ペアを切り替え

GPT-5.2 ChatnonevsStep 3.7 Flashmedium GPT-5.6 TerralowvsGrok 4.3medium Claude Opus 4.6mediumvsGPT-5.6 Terralow GPT-5.6 TerralowvsQwen3.5-122B-A10Bmedium Kimi K2.6medium無料で利用可能vsGPT-5.6 Terralow KAT-Coder-Pro V2.5highvsGPT-5.6 Terralow Gemini 3.1 Flash LitemediumvsGPT-5.6 Terralow GPT-5.6 TerralowvsQwen3.5 Plus 2026-04-20medium Gemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 Terralow MiniMax M3mediumvsGPT-5.6 Terralow DeepSeek V4 ProhighvsGPT-5.6 Terralow Claude Sonnet 4.6mediumvsGPT-5.6 Terralow