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 3.5 Flash

Rezumat

Comparație benchmark GPT-5.6 Sol vs Step 3.5 Flash (medium): Step 3.5 Flash (medium) conduce la scorul mediu cu 6.6 vs 6.3. Step 3.5 Flash (medium) are costul de benchmark mai mic, $0.070 vs $0.225. GPT-5.6 Sol este mai rapid cu 1.66s vs 72.53s, cu rate de reușită de 57.1% vs 54.0%.

Model recomandat: Step 3.5 Flash (medium) - Are cel mai bun scor aici (6.6) și costă de aproximativ 3.2x mai puțin decât GPT-5.6 Sol.

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

Metrică GPT-5.6 Sol GPT-5.6 Sol none Lansare: 2026-07-09 Step 3.5 Flash Step 3.5 Flash medium Lansare: 2026-02-01
Scor 6.3 6.6
Rang #101 #93
Fiabilitate 10.0 10.0
Consistență 9.0 8.9
Teste corecte
Rată de trecere pe încercare 57.1% 54.0%
Teste instabile 3 1
Rulări totale 63 60
Cost per rezultat 2.244 0.198
Cost total $0.225 $0.070
Preț de intrare $5.000 / 1M $0.100 / 1M
Preț de ieșire $30.000 / 1M $0.300 / 1M
Total tokenuri de intrare 34,218 34,431
Tokenuri de ieșire 1,776 91,587
Tokenuri de raționament 0 195,973
Timp de răspuns (mediu) 1.66s 72.53s
Timp de răspuns (maxim) 3.93s 453.94s
Timp de răspuns (total) 34.81s 1015.47s

Prezentare generare

Hamster playing table tennis

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

#101 GPT-5.6 Sol

none
Cost
$0.116
Timp
78.7s
Tokenuri
3,944 tok

#93 Step 3.5 Flash

medium
Cost
$0.008
Timp
277.1s
Tokenuri
23,695 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 8.3 10.0 75.0% 0 1.27s 606 154 0
Step 3.5 Flash 10.0 10.0 100.0% 0 40.57s 694 20,391 24,176
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 5.5 10.0 33.3% 0 1.39s 7,302 390 0
Step 3.5 Flash 2.4 5.2 0.0% 0 258.38s 2,211 13,207 22,429
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 3.0 10.0 0.0% 0 3.93s 11,019 300 0
Step 3.5 Flash 10.0 10.0 100.0% 0 29.57s 13,638 1,176 12,984
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 1.53s 7,140 222 0
Step 3.5 Flash 10.0 10.0 100.0% 0 15.01s 7,368 600 13,886
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 3.6 7.2 22.2% 1 1.43s 723 54 0
Step 3.5 Flash 5.3 7.2 44.4% 1 170.45s 673 45,350 90,436
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 6.5 3.4 66.7% 1 1.52s 477 91 0
Step 3.5 Flash 5.5 10.0 0.0% 0 22.39s 509 240 3,506
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 8.5 6.8 83.3% 1 1.33s 660 84 0
Step 3.5 Flash 8.3 10.0 50.0% 0 4.78s 705 2,364 3,521
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 7.7 10.0 66.7% 0 1.49s 642 211 0
Step 3.5 Flash 5.3 10.0 33.3% 0 7.22s 711 5,630 10,861
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 3.70s 5,454 246 0
Step 3.5 Flash 10.0 10.0 100.0% 0 11.91s 7,701 275 3,802
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 3.0 10.0 0.0% 0 1.95s 195 24 0
Step 3.5 Flash 3.0 10.0 0.0% 0 108.45s 221 2,354 10,372

Comparație rapidă

Schimbă perechea de comparație

Nemotron 3 SupermediumDisponibil gratuitvsGPT-5.6 SolnoneGemma 4 31BmediumDisponibil gratuitvsGPT-5.6 SolnoneGPT-5.6 SolnonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash LitelowvsGPT-5.6 SolnoneGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.6 SolnoneGemini 3.1 Flash LitelowvsStep 3.5 FlashmediumGemini 3.1 Flash LiteminimalvsGPT-5.6 SolnoneGemini 3.5 FlashminimalvsStep 3.5 FlashmediumQwen3.7 MaxnonevsStep 3.5 FlashmediumGPT-5.6 SolnonevsQwen3.6 27Bmedium