AI BENCHY Compare
OpenAI: GPT-5.4 vs StepFun: Step 3.5 Flash
तुलना करा:
AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-03-05
| मेट्रिक | OpenAI: GPT-5.4 none प्रकाशन: 2026-03-05 | StepFun: Step 3.5 Flash medium प्रकाशन: 2026-02-01 मोफत उपलब्ध |
|---|---|---|
| क्रमांक | #44 | #16 |
| सरासरी स्कोअर | 4.6 | 7.5 |
| बरोबर चाचण्या | ||
| सुसंगतता | 8.9 | 9.0 |
| प्रति निकाल खर्च | 1.496 | 0.000 |
| एकूण खर्च | $0.090 | $0.000 |
| प्रति प्रयत्न पास दर | 44.4% | 73.3% |
| अस्थिर चाचण्या | 2 | 2 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| आउटपुट टोकन्स | 1,635 | 69,238 |
| रिझनिंग टोकन्स | 0 | 152,563 |
| प्रतिसाद वेळ (सरासरी) | 1.46s | 31.60s |
| प्रतिसाद वेळ (कमाल) | 2.89s | 170.45s |
| प्रतिसाद वेळ (एकूण) | 21.86s | 284.43s |
प्रतिसाद वेळ (सरासरी)
स्कोअर विरुद्ध एकूण खर्च
सरासरी स्कोअर vs प्रतिसाद वेळ (सरासरी)
श्रेणीवार तपशील
| अँटी-एआय युक्त्या | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 18.54s | 13,924 | 17,208 |
| संयुक्त | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 1,176 | 12,984 |
| डेटा पार्सिंग आणि निष्कर्षण | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 600 | 13,886 |
| डोमेन-विशिष्ट | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| StepFun: Step 3.5 Flash | 4.0 | 7.2 | 44.4% | 1 | 170.45s | 45,350 | 90,436 |
| सूचनांचे पालन | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| StepFun: Step 3.5 Flash | 9.0 | 6.8 | 83.3% | 1 | 4.98s | 2,284 | 3,412 |
| Puzzle Solving | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| StepFun: Step 3.5 Flash | 4.0 | 10.0 | 33.3% | 0 | 7.72s | 5,629 | 10,835 |
| टूल कॉलिंग | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 275 | 3,802 |
झटपट तुलना
तुलना जोडी बदला
GPT-5.3 ChatnonevsStep 3.5 Flashmediumमोफत उपलब्धGemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmediumमोफत उपलब्धGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmediumमोफत उपलब्धMiniMax M2.5mediumvsGPT-5.4noneGPT-5.2 ChatnonevsStep 3.5 Flashmediumमोफत उपलब्धGemini 3 Flash PreviewnonevsStep 3.5 Flashmediumमोफत उपलब्धGemini 3.1 Flash Lite PreviewhighvsStep 3.5 Flashmediumमोफत उपलब्धGemini 3 Flash PreviewlowvsStep 3.5 Flashmediumमोफत उपलब्धClaude Sonnet 4.6nonevsStep 3.5 Flashmediumमोफत उपलब्धMercury 2mediumvsGPT-5.4noneQwen3.5 Plus 2026-02-15nonevsStep 3.5 Flashmediumमोफत उपलब्धGPT-5.4nonevsQwen3.5-35B-A3Bmedium