#117 gpt-oss-120b
medium- コスト
- $0.001
- 時間
- 26.7s
- トークン
- 555 tok
OpenAI: gpt-oss-120b vs StepFun: Step 3.5 Flash
gpt-oss-120b (medium) が平均スコアでリードし、6.1 vs 6.0 です。 gpt-oss-120b (medium) の benchmark コストが低く、$0.019 vs $0.108 です。 gpt-oss-120b (medium) の方が高速で、21.91s vs 174.22s です、成功率は 50.0% vs 51.5% です。
おすすめモデルgpt-oss-120b (medium)ここでは最高スコア（6.1）で、Step 3.5 Flash (medium) より約 5.7 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: 2026-07-18
| 指標 | gpt-oss-120b gpt-oss-120b medium | Step 3.5 Flash Step 3.5 Flash medium |
|---|---|---|
| スコア | 6.1 | 6.0 |
| 順位 | #117 | #126 |
| 信頼性 | 10.0 | 9.2 |
| 一貫性 | 8.0 | 9.0 |
| 正解テスト | ||
| 試行ごとの合格率 | 50.0% | 51.5% |
| 不安定なテスト | 5 | 1 |
| 総実行回数 | 66 | 63 |
| 結果あたりのコスト | 0.221 | 0.540 |
| 合計コスト | $0.019 | $0.108 |
| 入力価格 | $0.037 / 1M | $0.100 / 1M |
| 出力価格 | $0.170 / 1M | $0.300 / 1M |
| 合計入力トークン | 108,747 | 65,707 |
| 出力トークン | 29,772 | 108,561 |
| 推論トークン | 68,044 | 293,993 |
| 応答時間（平均） | 21.91s | 174.22s |
| 応答時間（最大） | 68.16s | 1597.85s |
| 応答時間（合計） | 328.70s | 2613.32s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#126 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-oss-120b | 6.7 | 9.9 | 50.0% | 0 | 10.21s | 1,314 | 3,518 | 2,177 | |
| 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-oss-120b | 5.9 | 7.0 | 55.6% | 1 | 38.37s | 7,782 | 3,365 | 11,973 | |
| 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-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 23.96s | 81,198 | 10,453 | 22,883 | |
| 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-oss-120b | 6.4 | 5.9 | 66.7% | 1 | 1.98s | 7,476 | 241 | 1,114 | |
| 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-oss-120b | 2.9 | 4.4 | 22.2% | 2 | 50.92s | 1,266 | 6,784 | 20,606 | |
| Step 3.5 Flash | 5.3 | 7.2 | 44.4% | 1 | 170.45s | 673 | 45,350 | 90,436 |
| 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-oss-120b | 4.3 | 10.0 | 0.0% | 0 | 7.90s | 659 | 107 | 387 | |
| 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-oss-120b | 9.9 | 10.0 | 100.0% | 0 | 7.63s | 1,036 | 126 | 1,799 | |
| 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-oss-120b | 5.3 | 7.2 | 44.4% | 1 | 21.71s | 1,190 | 1,790 | 2,264 | |
| 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-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 6.91s | 6,514 | 287 | 1,083 | |
| 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 26.51s | 312 | 3,101 | 3,758 | |
| 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
Gemini 3.1 Flash Litenonevsgpt-oss-120bmediumgpt-oss-120bmediumvsInklinglowgpt-oss-120bmediumvsQwen3.6 FlashnoneGemini 3.1 Flash Liteminimalvsgpt-oss-120bmediumNemotron 3 Ultranone無料で利用可能vsStep 3.5 Flashmediumgpt-oss-120bmediumvsQwen3.5-Flashnonegpt-oss-120bmediumvsQwen3.5 Plus 2026-04-20noneQwen3.5-35B-A3BnonevsStep 3.5 Flashmediumgpt-oss-120bmediumvsQwen3.5-35B-A3BnoneGemini 2.5 Flashnonevsgpt-oss-120bmediumQwen3.5 Plus 2026-04-20nonevsStep 3.5 FlashmediumQwen3.5-FlashnonevsStep 3.5 Flashmedium