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: Step 3.7 Flash conduce la scorul mediu cu 7.0 vs 6.4. GPT-5.5 are costul de benchmark mai mic, $0.231 vs $1.148. GPT-5.5 este mai rapid cu 1.89s vs 64.46s, cu rate de reușită de 54.0% vs 63.5%.

Model recomandat: GPT-5.5 - Scorul rămâne aproape de cel mai bun scor de aici (6.4 vs 7.0) și costă de aproximativ 5.0x mai puțin decât Step 3.7 Flash.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-04

Metrică GPT-5.5 GPT-5.5 none Lansare: 2026-04-24 Step 3.7 Flash Step 3.7 Flash high Lansare: 2026-05-29
Scor 6.4 7.0
Rang #91 #71
Fiabilitate 10.0 10.0
Consistență 8.8 8.2
Teste corecte
Rată de trecere pe încercare 54.0% 63.5%
Teste instabile 3 4
Rulări totale 63 63
Cost per rezultat 2.302 10.434
Cost total $0.231 $1.148
Preț de intrare $5.000 / 1M $0.200 / 1M
Preț de ieșire $30.000 / 1M $1.150 / 1M
Total tokenuri de intrare 34,212 38,391
Tokenuri de ieșire 1,971 991,355
Tokenuri de raționament 0 0
Timp de răspuns (mediu) 1.89s 64.46s
Timp de răspuns (maxim) 5.56s 364.99s
Timp de răspuns (total) 39.64s 1353.57s

Generation showcase

Hamster playing table tennis

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

#91 GPT-5.5

none
Cost
$0.090
Time
54.3s
Tokens
3,063 tok

#71 Step 3.7 Flash

high
Cost
$0.007
Time
63.6s
Tokens
6,030 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 6.9 7.9 66.7% 1 1.31s 606 213 0
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 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 5.5 10.0 33.3% 0 1.35s 7,305 462 0
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 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 3.0 10.0 0.0% 0 5.56s 11,019 300 0
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 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 intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 10.0 10.0 100.0% 0 1.18s 7,140 222 0
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 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 2.9 7.2 11.1% 1 1.31s 723 52 0
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 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 3.41s 477 124 0
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 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 6.2 5.8 66.7% 1 1.15s 660 81 0
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 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 7.7 10.0 66.7% 0 1.29s 642 252 0
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 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 3.90s 5,445 247 0
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 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 5.01s 195 18 0
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

Comparație rapidă

Schimbă perechea de comparație

GPT-5.4 NanomediumvsStep 3.7 FlashhighClaude Opus 4.6mediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighMiniMax M3mediumvsStep 3.7 FlashhighGemini 3.1 Flash LiteminimalvsGPT-5.5noneDeepSeek V3.2mediumvsStep 3.7 FlashhighQwen3.5-35B-A3BmediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsGrok 4.20mediumSeed-2.0-MinimediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsStep 3.7 FlashhighQwen3.6 Max PreviewnonevsStep 3.7 Flashhigh