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-5.6 Luna vs StepFun: Step 3.7 Flash

Rezumat

Comparație benchmark GPT-5.6 Luna (high) vs Step 3.7 Flash (low): Scorul mediu este practic egal la 7.7 vs 7.7. Step 3.7 Flash (low) are costul de benchmark mai mic, $0.341 vs $0.924. Step 3.7 Flash (low) este mai rapid cu 15.74s vs 18.39s, cu rate de reușită de 71.4% vs 68.3%.

Model recomandat: Step 3.7 Flash (low) - Are cel mai bun scor aici (7.7) și costă de aproximativ 2.7x mai puțin decât GPT-5.6 Luna (high).

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

Metrică GPT-5.6 Luna GPT-5.6 Luna high Lansare: 2026-07-09 Step 3.7 Flash Step 3.7 Flash low Lansare: 2026-05-29
Scor 7.7 7.7
Rang #50 #49
Fiabilitate 10.0 10.0
Consistență 8.8 8.4
Teste corecte
Rată de trecere pe încercare 71.4% 68.3%
Teste instabile 3 4
Rulări totale 63 63
Cost per rezultat 6.594 2.840
Cost total $0.924 $0.341
Preț de intrare $1.000 / 1M $0.200 / 1M
Preț de ieșire $6.000 / 1M $1.150 / 1M
Total tokenuri de intrare 35,699 40,101
Tokenuri de ieșire 2,079 289,325
Tokenuri de raționament 145,816 0
Timp de răspuns (mediu) 18.39s 15.74s
Timp de răspuns (maxim) 111.09s 124.75s
Timp de răspuns (total) 386.24s 330.63s

Prezentare generare

Hamster playing table tennis

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

#50 GPT-5.6 Luna

high
Cost
$0.033
Timp
34.2s
Tokenuri
5,484 tok

#49 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-5.6 Luna 8.3 10.0 75.0% 0 2.99s 606 162 1,265
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-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746
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-5.6 Luna 10.0 10.0 100.0% 0 13.29s 12,500 357 2,911
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-5.6 Luna 10.0 10.0 100.0% 0 2.18s 7,140 234 470
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-5.6 Luna 7.7 10.0 66.7% 0 78.96s 723 69 96,395
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-5.6 Luna 5.0 10.0 0.0% 0 3.65s 477 117 563
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-5.6 Luna 9.9 10.0 100.0% 0 1.79s 660 97 481
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-5.6 Luna 7.6 7.2 77.8% 1 14.55s 642 242 18,281
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-5.6 Luna 10.0 10.0 100.0% 0 4.98s 5,454 260 324
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-5.6 Luna 3.0 10.0 0.0% 0 17.00s 195 31 7,380
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 FlashlowClaude Opus 4.6mediumvsGPT-5.6 LunahighStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.6 LunahighvsGrok 4.3mediumClaude Opus 4.8lowvsGPT-5.6 LunahighQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6mediumDisponibil gratuitvsStep 3.7 FlashlowKimi K2.6mediumDisponibil gratuitvsGPT-5.6 LunahighGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsGPT-5.6 LunahighQwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow