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 Mini vs StepFun: Step 3.7 Flash

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-29

Metrică GPT-5 Mini GPT-5 Mini medium Lansare: 2025-08-07 Step 3.7 Flash Step 3.7 Flash high Lansare: 2026-05-29
Scor 7.2 7.1
Rang #73 #74
Fiabilitate 10.0 10.0
Consistență 9.1 8.2
Teste corecte
Rată de trecere pe încercare 61.7% 65.8%
Teste instabile 2 4
Rulări totale 60 60
Cost per rezultat 1.348 8.723
Cost total $0.149 $0.960
Preț de intrare $0.250 / 1M $0.200 / 1M
Preț de ieșire $2.000 / 1M $1.150 / 1M
Tokenuri de ieșire 6,723 828,084
Tokenuri de raționament 63,082 0
Timp de răspuns (mediu) 23.75s 49.43s
Timp de răspuns (maxim) 88.15s 192.75s
Timp de răspuns (total) 475.03s 988.58s

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 ieșire Tokenuri de raționament
GPT-5 Mini 7.1 7.6 66.7% 1 13.86s 1,715 6,378
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 42,656 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5 Mini 10.0 10.0 100.0% 0 30.74s 580 12,544
Step 3.7 Flash 3.6 4.6 25.0% 1 126.82s 164,069 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5 Mini 10.0 10.0 100.0% 0 88.15s 754 11,520
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 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 ieșire Tokenuri de raționament
GPT-5 Mini 10.0 10.0 100.0% 0 12.58s 453 3,200
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 23,113 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5 Mini 3.6 7.2 22.2% 1 44.63s 293 14,016
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 410,502 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5 Mini 4.5 10.0 0.0% 0 13.50s 349 1,856
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 2,862 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5 Mini 10.0 10.0 100.0% 0 11.59s 310 3,968
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 2,010 0
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5 Mini 5.6 9.8 33.3% 0 15.20s 1,622 6,144
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 25,422 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5 Mini 10.0 10.0 100.0% 0 18.64s 487 1,600
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 1,172 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5 Mini 3.0 10.0 0.0% 0 9.99s 160 1,856
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 147,476 0

Comparație rapidă

Schimbă perechea de comparație

GPT-5.4 NanomediumvsStep 3.7 FlashhighSeed-2.0-MinimediumvsStep 3.7 FlashhighQwen3.6 Max PreviewnonevsStep 3.7 FlashhighClaude Opus 4.6mediumvsStep 3.7 FlashhighRing-2.6-1TnonevsGPT-5 MinimediumGPT-5 MinimediumvsQwen3.6 Max PreviewnoneStep 3.7 FlashhighvsMiMo-V2-FlashmediumRing-2.6-1TnonevsStep 3.7 FlashhighRing-2.6-1TmediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsGPT-5 MinimediumQwen3.5-35B-A3BmediumvsStep 3.7 FlashhighClaude Sonnet 4.6nonevsStep 3.7 Flashhigh