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 Sol vs StepFun: Step 3.7 Flash

Rezumat

Comparație benchmark GPT-5.6 Sol (medium) vs Step 3.7 Flash (low): GPT-5.6 Sol (medium) conduce la scorul mediu cu 9.4 vs 7.7. Step 3.7 Flash (low) are costul de benchmark mai mic, $0.341 vs $0.966. GPT-5.6 Sol (medium) este mai rapid cu 10.79s vs 15.74s, cu rate de reușită de 90.5% vs 68.3%.

Model recomandat: GPT-5.6 Sol (medium) - Are cel mai puternic scor din această comparație (9.4) și cel mai bun echilibru între cost și timp de răspuns dintre toate cele 2 modele.

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

Metrică GPT-5.6 Sol GPT-5.6 Sol medium Lansare: 2026-07-09 Step 3.7 Flash Step 3.7 Flash low Lansare: 2026-05-29
Scor 9.4 7.7
Rang #5 #49
Fiabilitate 10.0 10.0
Consistență 8.8 8.4
Teste corecte
Rată de trecere pe încercare 90.5% 68.3%
Teste instabile 3 4
Rulări totale 63 63
Cost per rezultat 5.682 2.840
Cost total $0.966 $0.341
Preț de intrare $5.000 / 1M $0.200 / 1M
Preț de ieșire $30.000 / 1M $1.150 / 1M
Total tokenuri de intrare 34,218 40,101
Tokenuri de ieșire 1,895 289,325
Tokenuri de raționament 24,600 0
Timp de răspuns (mediu) 10.79s 15.74s
Timp de răspuns (maxim) 79.40s 124.75s
Timp de răspuns (total) 226.57s 330.63s

Prezentare generare

Hamster playing table tennis

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

#5 GPT-5.6 Sol

medium
Cost
$0.124
Timp
57.2s
Tokenuri
4,199 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 Sol 10.0 10.0 100.0% 0 2.81s 606 173 572
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 Sol 10.0 10.0 100.0% 0 9.40s 7,302 394 4,706
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 Sol 10.0 10.0 100.0% 0 12.13s 11,019 318 1,214
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 Sol 10.0 10.0 100.0% 0 1.38s 7,140 222 0
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 Sol 5.9 7.2 55.6% 1 47.86s 723 71 16,201
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 Sol 10.0 10.0 100.0% 0 3.48s 477 99 214
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 Sol 10.0 10.0 100.0% 0 2.50s 660 96 249
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 Sol 8.2 7.2 88.9% 1 2.98s 642 228 566
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 Sol 10.0 10.0 100.0% 0 6.30s 5,454 264 361
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 Sol 4.7 1.6 66.7% 1 4.94s 195 30 517
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

Comparație rapidă

Schimbă perechea de comparație

GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumQwen3.5-122B-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 0.1mediumGemini 3.5 FlashlowvsGPT-5.6 Solmedium