Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.2 vs StepFun: Step 3.7 Flash

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-29

Metrică GPT-5.2 GPT-5.2 medium Lansare: 2025-12-11 Step 3.7 Flash Step 3.7 Flash high Lansare: 2026-05-29
Scor 7.3 7.1
Rang #63 #74
Fiabilitate 10.0 10.0
Consistență 8.3 8.2
Teste corecte
Rată de trecere pe încercare 70.0% 65.8%
Teste instabile 4 4
Rulări totale 60 60
Cost per rezultat 4.094 8.723
Cost total $0.492 $0.960
Preț de intrare $1.750 / 1M $0.200 / 1M
Preț de ieșire $14.000 / 1M $1.150 / 1M
Tokenuri de ieșire 2,880 828,084
Tokenuri de raționament 28,289 0
Timp de răspuns (mediu) 16.50s 49.43s
Timp de răspuns (maxim) 77.80s 192.75s
Timp de răspuns (total) 214.45s 988.58s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 6.5 8.0 58.3% 1 7.81s 567 2,002
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 42,656 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 10.0 10.0 100.0% 0 23.15s 490 8,269
Step 3.7 Flash 3.6 4.6 25.0% 1 126.82s 164,069 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 10.0 10.0 100.0% 0 14.06s 291 1,757
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 8,802 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 10.0 10.0 100.0% 0 3.15s 234 420
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 23,113 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 5.9 7.2 55.6% 1 77.80s 42 10,342
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 410,502 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 3.7 9.7 0.0% 0 4.32s 162 269
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 2,862 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 9.9 10.0 100.0% 0 3.12s 94 614
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 2,010 0
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 7.5 7.3 77.8% 1 5.80s 735 924
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 25,422 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 4.7 1.6 66.7% 1 10.30s 239 469
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 1,172 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.2 3.0 10.0 0.0% 0 28.18s 26 3,223
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 147,476 0

Comparație rapidă

Schimbă perechea de comparație

GPT-5 MinimediumvsStep 3.7 FlashhighGPT-5.4 NanomediumvsStep 3.7 FlashhighSeed-2.0-MinimediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsGPT-5.2mediumQwen3.6 Max PreviewnonevsStep 3.7 FlashhighGPT-5.2mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsStep 3.7 FlashhighRing-2.6-1TnonevsGPT-5.2mediumStep 3.7 FlashhighvsMiMo-V2-FlashmediumRing-2.6-1TnonevsStep 3.7 FlashhighRing-2.6-1TmediumvsStep 3.7 FlashhighGemini 3.1 Flash LitelowvsGPT-5.2medium