#26 GPT-5 Mini
medium- コスト
- $0.007
- 時間
- 42.9s
- トークン
- 3,432 tok
OpenAI: GPT-5 Mini vs StepFun: Step 3.7 Flash
平均スコアは 8.1 vs 8.0 でほぼ同等です。 GPT-5 Mini (medium) の benchmark コストが低く、$0.237 vs $0.515 です。 Step 3.7 Flash (medium) の方が高速で、26.37s vs 27.63s です、成功率は 63.6% vs 72.7% です。
おすすめモデルGPT-5 Mini (medium)ここでは最高スコア（8.1）で、Step 3.7 Flash (medium) より約 2.2 倍低コストです。
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: 2026-07-17
| 指標 | GPT-5 Mini GPT-5 Mini medium | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| スコア | 8.1 | 8.0 |
| 順位 | #26 | #28 |
| 信頼性 | 10.0 | 9.9 |
| 一貫性 | 8.8 | 8.9 |
| 正解テスト | ||
| 試行ごとの合格率 | 63.6% | 72.7% |
| 不安定なテスト | 3 | 3 |
| 総実行回数 | 66 | 64 |
| 結果あたりのコスト | 1.971 | 3.676 |
| 合計コスト | $0.237 | $0.515 |
| 入力価格 | $0.250 / 1M | $0.200 / 1M |
| 出力価格 | $2.000 / 1M | $1.150 / 1M |
| 合計入力トークン | 98,374 | 114,062 |
| 出力トークン | 14,434 | 427,572 |
| 推論トークン | 91,498 | 0 |
| 応答時間（平均） | 27.63s | 26.37s |
| 応答時間（最大） | 111.48s | 152.83s |
| 応答時間（合計） | 607.92s | 580.25s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#28 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
| 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 Mini | 7.1 | 7.6 | 66.7% | 1 | 13.86s | 606 | 1,715 | 6,378 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 27.63s | 7,302 | 658 | 17,152 | |
| 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 Mini | 7.3 | 5.8 | 83.3% | 1 | 99.82s | 75,392 | 8,387 | 35,328 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 80.94s | 87,764 | 114,720 | 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 12.58s | 7,140 | 453 | 3,200 | |
| 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 Mini | 3.6 | 7.2 | 22.2% | 1 | 44.63s | 515 | 293 | 14,016 | |
| 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 Mini | 4.5 | 10.0 | 0.0% | 0 | 13.50s | 477 | 349 | 1,856 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 11.59s | 660 | 310 | 3,968 | |
| 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 Mini | 5.6 | 9.8 | 33.3% | 0 | 15.20s | 642 | 1,622 | 6,144 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 18.64s | 5,445 | 487 | 1,600 | |
| 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 Mini | 3.0 | 10.0 | 0.0% | 0 | 9.99s | 195 | 160 | 1,856 | |
| 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 FlashmediumMuse Spark 1.1highvsGPT-5 MinimediumStep 3.7 FlashmediumvsGLM 5.2highMuse Spark 1.1highvsStep 3.7 FlashmediumGPT-5 MinimediumvsGLM 5.2highKimi K3maxvsStep 3.7 FlashmediumGPT-5.6 TerrahighvsStep 3.7 FlashmediumKimi K3maxvsGPT-5 MinimediumMuse Spark 1.1lowvsGPT-5 MinimediumMuse Spark 1.1lowvsStep 3.7 FlashmediumClaude Opus 4.8lowvsStep 3.7 FlashmediumGPT-5 MinimediumvsGrok 4.5low