OpenAI: GPT-5.3 Chat vs StepFun: Step 3.7 Flash

GPT-5.3 Chat conduce la scorul mediu cu 7.5 vs 7.3. Step 3.7 Flash (low) are costul de benchmark mai mic, $0.454 vs $0.571. GPT-5.3 Chat este mai rapid cu 6.88s vs 20.68s, cu rate de reușită de 68.2% vs 68.2%.

Model recomandatGPT-5.3 ChatAre cel mai bun scor aici (7.5) și răspunde de aproximativ 3.0x mai rapid decât Step 3.7 Flash (low).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-25

Metrică	GPT-5.3 Chat GPT-5.3 Chat none Lansare: 2026-03-03	Step 3.7 Flash Step 3.7 Flash low Lansare: 2026-05-29

Metrică	GPT-5.3 Chat GPT-5.3 Chat none Lansare: 2026-03-03	Step 3.7 Flash Step 3.7 Flash low Lansare: 2026-05-29
Scor	7.5	7.3
Rang	#62	#75
Fiabilitate	10.0	10.0
Consistență	8.2	8.1
Teste corecte
Rată de trecere pe încercare	68.2%	68.2%
Teste instabile	5	5
Rulări totale	66	66
Cost per rezultat	4.387	3.782
Cost total	$0.571	$0.454
Preț de intrare	$1.750 / 1M	$0.200 / 1M
Preț de ieșire	$14.000 / 1M	$1.150 / 1M
Total tokenuri de intrare	78,990	103,833
Tokenuri de ieșire	30,854	376,581
Tokenuri de raționament	0	0
Timp de răspuns (mediu)	6.88s	20.68s
Timp de răspuns (maxim)	18.33s	124.75s
Timp de răspuns (total)	151.31s	455.01s

Hamster playing table tennis

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

#62 GPT-5.3 Chat

none

Cost: $0.008
Timp: 8.1s
Tokenuri: 634 tok

#75 Step 3.7 Flash

low

SVG invalid

Cost: $0.004
Timp: 25.3s
Tokenuri: 3,072 tok

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

Categorie:

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.3 Chat	6.7	8.1	58.3%	1		3.86s	606	3,167	0
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.3 Chat	5.6	4.7	55.6%	2		10.52s	7,302	6,632	0
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.3 Chat	10.0	10.0	100.0%	0		15.07s	55,800	6,851	0
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.21s	7,140	942	0
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.3 Chat	3.5	4.4	33.3%	2		13.01s	723	8,264	0
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.3 Chat	4.6	10.0	0.0%	0		1.99s	477	319	0
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.3 Chat	9.8	10.0	100.0%	0		3.51s	660	1,491	0
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.99s	642	1,758	0
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.3 Chat	10.0	10.0	100.0%	0		8.36s	5,445	861	0
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.3 Chat	3.0	10.0	0.0%	0		4.38s	195	569	0
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow Kimi K2.7 CodemediumvsGPT-5.3 Chatnone KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow GPT-5.3 ChatnonevsQwen3.5 Plus 2026-02-15medium Nemotron 3 UltramediumDisponibil gratuitvsGPT-5.3 Chatnone Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow GPT-5.3 ChatnonevsQwen3.5-27Bmedium GPT-5.3 ChatnonevsGrok Build 0.1medium Claude Sonnet 4.6nonevsStep 3.7 Flashlow