Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.5 vs StepFun: Step 3.5 Flash

Rezumat

Comparație benchmark GPT-5.5 (low) vs Step 3.5 Flash: GPT-5.5 (low) conduce la scorul mediu cu 9.3 vs 2.6. Step 3.5 Flash are costul de benchmark mai mic, $0.020 vs $0.907. GPT-5.5 (low) este mai rapid cu 9.76s vs 39.03s, cu rate de reușită de 85.7% vs 28.6%.

Model recomandat: GPT-5.5 (low) - Are cel mai bun scor aici (9.3) și răspunde de aproximativ 4.0x mai rapid decât Step 3.5 Flash.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-09

Metrică GPT-5.5 GPT-5.5 low Lansare: 2026-04-24 Step 3.5 Flash Step 3.5 Flash none Lansare: 2026-02-01
Scor 9.3 2.6
Rang #7 #187
Fiabilitate 10.0 10.0
Consistență 10.0 5.7
Teste corecte
Rată de trecere pe încercare 85.7% 28.6%
Teste instabile 0 0
Rulări totale 63 36
Cost per rezultat 5.035 0.328
Cost total $0.907 $0.020
Preț de intrare $5.000 / 1M $0.100 / 1M
Preț de ieșire $30.000 / 1M $0.300 / 1M
Total tokenuri de intrare 34,209 1,971
Tokenuri de ieșire 2,046 64,795
Tokenuri de raționament 22,460 0
Timp de răspuns (mediu) 9.76s 39.03s
Timp de răspuns (maxim) 56.19s 114.12s
Timp de răspuns (total) 204.92s 312.26s

Prezentare generare

Hamster playing table tennis

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

#7 GPT-5.5

low
Cost
$0.068
Timp
37.0s
Tokenuri
2,339 tok

#187 Step 3.5 Flash

none
Cost
$0.005
Timp
156.3s
Tokenuri
13,887 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

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-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
Step 3.5 Flash 10.0 10.0 100.0% 0 34.99s 691 21,766 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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Step 3.5 Flash 9.8 3.3 0.0% 0 0ms 0 0 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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Step 3.5 Flash 3.0 10.0 0.0% 0 0ms 0 0 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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Step 3.5 Flash 1.5 5.0 0.0% 0 0ms 0 0 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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
Step 3.5 Flash 3.3 3.3 33.3% 0 34.54s 165 7,389 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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
Step 3.5 Flash 4.0 10.0 0.0% 0 14.37s 509 2,451 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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
Step 3.5 Flash 5.0 5.0 50.0% 0 9.30s 384 1,427 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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
Step 3.5 Flash 0.0 0.0 0.0% 0 0ms 0 0 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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
Step 3.5 Flash 3.0 10.0 0.0% 0 0ms 0 0 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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Step 3.5 Flash 3.0 10.0 0.0% 0 114.12s 222 31,762 0

Comparație rapidă

Schimbă perechea de comparație

GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.5lowGPT-5.5lowvsGLM 5.2mediumGPT-5.5lowvsGLM 5mediumSeed-2.0-LitemediumvsGPT-5.5low