#20 GPT-5.4
medium- खर्च
- $0.214
- वेळ
- 199.6s
- टोकन्स
- 14,349 tok
AI BENCHY Compare
OpenAI: GPT-5.4 vs StepFun: Step 3.7 Flash
सारांश
average score जवळपास समान आहे: 8.5 vs 8.5. Step 3.7 Flash (medium) चा benchmark खर्च कमी आहे: $0.376 vs $1.210. Step 3.7 Flash (medium) वेगवान आहे: 20.35s vs 22.35s, pass rates 76.2% vs 73.0%.
शिफारस केलेले मॉडेलStep 3.7 Flash (medium)It has the best score here (8.5), while costing about 3.2x less than GPT-5.4 (medium).
AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14
| मेट्रिक | GPT-5.4 GPT-5.4 medium | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| स्कोअर | 8.5 | 8.5 |
| क्रमांक | #20 | #23 |
| विश्वसनीयता | 10.0 | 9.9 |
| सुसंगतता | 8.6 | 9.3 |
| बरोबर चाचण्या | ||
| प्रति प्रयत्न पास दर | 76.2% | 73.0% |
| अस्थिर चाचण्या | 4 | 2 |
| एकूण रन | 63 | 61 |
| प्रति निकाल खर्च | 8.640 | 2.686 |
| एकूण खर्च | $1.210 | $0.376 |
| इनपुट किंमत | $2.500 / 1M | $0.200 / 1M |
| आउटपुट किंमत | $15.000 / 1M | $1.150 / 1M |
| एकूण इनपुट टोकन्स | 34,108 | 39,981 |
| आउटपुट टोकन्स | 2,242 | 319,958 |
| रिझनिंग टोकन्स | 72,707 | 0 |
| प्रतिसाद वेळ (सरासरी) | 22.35s | 20.35s |
| प्रतिसाद वेळ (कमाल) | 100.41s | 113.98s |
| प्रतिसाद वेळ (एकूण) | 469.29s | 427.42s |
जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#23 Step 3.7 Flash
medium- खर्च
- $0.006
- वेळ
- 46.2s
- टोकन्स
- 4,466 tok
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर विरुद्ध एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
श्रेणीवार तपशील
| कोडिंग | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | इनपुट टोकन्स | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 8.8 | 7.8 | 88.9% | 1 | 44.36s | 7,305 | 433 | 24,216 | |
| Step 3.7 Flash | 8.8 | 7.8 | 88.9% | 1 | 27.42s | 7,437 | 44,797 | 0 |
झटपट तुलना
तुलना जोडी बदला
GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGPT-5.4mediumGPT-5.6 TerrahighvsStep 3.7 FlashmediumStep 3.7 FlashmediumvsGLM 5.2highGPT-5.4mediumvsGLM 5.2highKAT-Coder-Pro V2.5lowvsStep 3.7 FlashmediumKAT-Coder-Pro V2.5lowvsGPT-5.4mediumStep 3.7 FlashmediumvsGrok 4.5lowGPT-5.4mediumvsGrok 4.5lowGemini 3.5 FlashlowvsGPT-5.4mediumClaude Opus 4.8lowvsStep 3.7 Flashmedium