Navigare
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-5.3-Codex vs StepFun: Step 3.7 Flash

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

Metrică GPT-5.3-Codex GPT-5.3-Codex medium Lansare: 2026-02-05 Step 3.7 Flash Step 3.7 Flash low Lansare: 2026-05-29
Scor 8.3 7.4
Rang #17 #60
Fiabilitate 10.0 10.0
Consistență 8.4 8.7
Teste corecte
Rată de trecere pe încercare 81.7% 68.3%
Teste instabile 4 3
Rulări totale 60 60
Cost per rezultat 4.887 2.796
Cost total $0.685 $0.336
Preț de intrare $1.750 / 1M $0.200 / 1M
Preț de ieșire $14.000 / 1M $1.150 / 1M
Tokenuri de ieșire 2,336 285,209
Tokenuri de raționament 42,565 0
Timp de răspuns (mediu) 15.95s 16.06s
Timp de răspuns (maxim) 100.93s 124.75s
Timp de răspuns (total) 319.08s 321.11s

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-5.3-Codex 8.7 7.9 91.7% 1 4.16s 240 1,722
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 10,896 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.3-Codex 10.0 10.0 100.0% 0 18.45s 514 7,266
Step 3.7 Flash 10.0 10.0 100.0% 0 9.43s 14,569 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 364 2,731
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 6,426 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-5.3-Codex 10.0 10.0 100.0% 0 3.07s 234 728
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 2,667 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-5.3-Codex 5.9 7.2 55.6% 1 64.31s 64 25,308
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 104,487 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-5.3-Codex 4.6 10.0 0.0% 0 4.87s 187 331
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 4,604 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-5.3-Codex 10.0 10.0 100.0% 0 3.04s 93 693
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 1,857 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-5.3-Codex 9.0 7.9 88.9% 1 5.05s 356 1,593
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 3,564 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-5.3-Codex 10.0 10.0 100.0% 0 6.37s 254 492
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 1,360 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-5.3-Codex 2.8 1.6 33.3% 1 14.43s 30 1,701
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 134,779 0

Comparație rapidă

Schimbă perechea de comparație

Kimi K2.6mediumDisponibil gratuitvsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2.5mediumGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5V TurbomediumStep 3.7 FlashlowvsGLM 5.1mediumGPT-5.2mediumvsStep 3.7 FlashlowGPT-5.4 MinimediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowClaude Opus 4.8nonevsStep 3.7 FlashlowDeepSeek V3.2mediumvsStep 3.7 FlashlowQwen3.5-35B-A3BmediumvsStep 3.7 FlashlowRing-2.6-1TmediumvsStep 3.7 Flashlow