OpenAI: GPT-5.5 vs StepFun: Step 3.7 Flash

Scorul mediu este practic egal la 6.9 vs 6.9. GPT-5.5 are costul de benchmark mai mic, $0.544 vs $1.207. GPT-5.5 este mai rapid cu 2.36s vs 64.68s, cu rate de reușită de 56.1% vs 63.6%.

Model recomandatGPT-5.5Are cel mai bun scor aici (6.9) și costă de aproximativ 2.2x mai puțin decât Step 3.7 Flash (high).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-24

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

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	6.9	6.9
Rang	#91	#90
Fiabilitate	10.0	10.0
Consistență	8.9	8.0
Teste corecte
Rată de trecere pe încercare	56.1%	63.6%
Teste instabile	3	5
Rulări totale	66	66
Cost per rezultat	4.945	10.973
Cost total	$0.544	$1.207
Preț de intrare	$5.000 / 1M	$0.200 / 1M
Preț de ieșire	$30.000 / 1M	$1.150 / 1M
Total tokenuri de intrare	79,285	98,691
Tokenuri de ieșire	4,915	1,032,395
Tokenuri de raționament	0	0
Timp de răspuns (mediu)	2.36s	64.68s
Timp de răspuns (maxim)	12.24s	364.99s
Timp de răspuns (total)	51.88s	1423.01s

Hamster playing table tennis

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

#91 GPT-5.5

none

Cost: $0.090
Timp: 54.3s
Tokenuri: 3,063 tok

#90 Step 3.7 Flash

high

Cost: $0.007
Timp: 63.6s
Tokenuri: 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

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-5.5	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	6.5	10.0	50.0%	0		8.90s	56,092	3,244	0
Step 3.7 Flash	8.7	6.9	83.3%	1		41.23s	73,938	49,842	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

Qwen3.6 FlashmediumvsStep 3.7 Flashhigh GPT-5.5nonevsQwen3.6 Flashmedium Step 3.7 FlashhighvsMiMo-V2.5-Promedium GPT-5.5nonevsMiMo-V2.5-Promedium Gemini 3.5 FlashminimalvsGPT-5.5none Gemini 3.5 FlashminimalvsStep 3.7 Flashhigh GPT-5.6 SolnonevsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashhigh KAT-Coder-Pro V2.5mediumvsGPT-5.5none Seed-2.0-MinimediumvsStep 3.7 Flashhigh Seed-2.0-MinimediumvsGPT-5.5none