नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

OpenAI: GPT-5.4 Nano vs StepFun: Step 3.7 Flash

सारांश

GPT-5.4 Nano (medium) average score मध्ये पुढे आहे: 7.5 vs 7.3. GPT-5.4 Nano (medium) चा benchmark खर्च कमी आहे: $0.138 vs $0.454. GPT-5.4 Nano (medium) वेगवान आहे: 13.24s vs 20.68s, pass rates 65.2% vs 68.2%.

शिफारस केलेले मॉडेलGPT-5.4 Nano (medium)It has the best score here (7.5), while costing about 3.3x less than Step 3.7 Flash (low).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक GPT-5.4 Nano GPT-5.4 Nano medium प्रकाशन: 2026-03-17 Step 3.7 Flash Step 3.7 Flash low प्रकाशन: 2026-05-29
स्कोअर 7.5 7.3
क्रमांक #51 #64
विश्वसनीयता 10.0 10.0
सुसंगतता 8.5 8.1
बरोबर चाचण्या
प्रति प्रयत्न पास दर 65.2% 68.2%
अस्थिर चाचण्या 4 5
एकूण रन 66 66
प्रति निकाल खर्च 1.150 3.782
एकूण खर्च $0.138 $0.454
इनपुट किंमत $0.200 / 1M $0.200 / 1M
आउटपुट किंमत $1.250 / 1M $1.150 / 1M
एकूण इनपुट टोकन्स 82,819 103,833
आउटपुट टोकन्स 7,100 376,581
रिझनिंग टोकन्स 90,022 0
प्रतिसाद वेळ (सरासरी) 13.24s 20.68s
प्रतिसाद वेळ (कमाल) 94.06s 124.75s
प्रतिसाद वेळ (एकूण) 291.33s 455.01s

जनरेशन शोकेस

Hamster playing table tennis

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

#51 GPT-5.4 Nano

medium
खर्च
$0.007
वेळ
24.6s
टोकन्स
4,943 tok

#64 Step 3.7 Flash

low
अवैध SVG
खर्च
$0.004
वेळ
25.3s
टोकन्स
3,072 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 Nano 6.1 4.7 66.7% 2 19.12s 7,305 516 20,778
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

झटपट तुलना

तुलना जोडी बदला