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-5.5 vs StepFun: Step 3.7 Flash

Rezumat

Comparație benchmark GPT-5.5 vs Step 3.7 Flash: GPT-5.5 conduce la scorul mediu cu 9.3 vs 7.7. Step 3.7 Flash are costul de benchmark mai mic, $0.341 vs $0.907. GPT-5.5 este mai rapid cu 9.76s vs 15.74s, cu rate de reușită de 85.7% vs 68.3%.

Model recomandat: GPT-5.5 - Are cel mai bun scor aici (9.3) și răspunde de aproximativ 1.6x mai rapid decât Step 3.7 Flash.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică GPT-5.5 GPT-5.5 low Lansare: 2026-04-24 Step 3.7 Flash Step 3.7 Flash low Lansare: 2026-05-29
Scor 9.3 7.7
Rang #4 #39
Fiabilitate 10.0 10.0
Consistență 10.0 8.4
Teste corecte
Rată de trecere pe încercare 85.7% 68.3%
Teste instabile 0 4
Rulări totale 63 63
Cost per rezultat 5.035 2.840
Cost total $0.907 $0.341
Preț de intrare $5.000 / 1M $0.200 / 1M
Preț de ieșire $30.000 / 1M $1.150 / 1M
Total tokenuri de intrare 34,209 40,101
Tokenuri de ieșire 2,046 289,325
Tokenuri de raționament 22,460 0
Timp de răspuns (mediu) 9.76s 15.74s
Timp de răspuns (maxim) 56.19s 124.75s
Timp de răspuns (total) 204.92s 330.63s

Prezentare generare

Hamster playing table tennis

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

#4 GPT-5.5

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

#39 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

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 3.7 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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 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 intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Step 3.7 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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
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 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.5lowvsQwen3.7 MaxmediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6mediumDisponibil gratuitvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Fable 5mediumvsGPT-5.5low