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-oss-120b vs StepFun: Step 3.7 Flash

Rezumat

Comparație benchmark gpt-oss-120b vs Step 3.7 Flash: Step 3.7 Flash conduce la scorul mediu cu 7.1 vs 6.7. gpt-oss-120b are costul de benchmark mai mic, $0.013 vs $1.148. gpt-oss-120b este mai rapid cu 22.28s vs 64.46s, cu rate de reușită de 52.4% vs 63.5%.

Model recomandat: gpt-oss-120b - Scorul rămâne aproape de cel mai bun scor de aici (6.7 vs 7.1) și costă de aproximativ 94.5x mai puțin decât Step 3.7 Flash.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică gpt-oss-120b gpt-oss-120b medium Lansare: 2025-08-05 Disponibil gratuit Step 3.7 Flash Step 3.7 Flash high Lansare: 2026-05-29
Scor 6.7 7.1
Rang #78 #63
Fiabilitate 10.0 10.0
Consistență 8.0 8.2
Teste corecte
Rată de trecere pe încercare 52.4% 63.5%
Teste instabile 5 4
Rulări totale 63 63
Cost per rezultat 0.141 10.434
Cost total $0.013 $1.148
Preț de intrare $0.039 / 1M $0.200 / 1M
Preț de ieșire $0.180 / 1M $1.150 / 1M
Total tokenuri de intrare 39,084 38,391
Tokenuri de ieșire 20,013 991,355
Tokenuri de raționament 50,233 0
Timp de răspuns (mediu) 22.28s 64.46s
Timp de răspuns (maxim) 68.16s 364.99s
Timp de răspuns (total) 311.96s 1353.57s

Prezentare generare

Hamster playing table tennis

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

#78 gpt-oss-120b

medium
Cost
$0.001
Timp
26.7s
Tokenuri
555 tok

#63 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

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-oss-120b 6.7 9.9 50.0% 0 10.21s 1,314 3,518 2,177
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-oss-120b 5.9 7.0 55.6% 1 38.37s 7,782 3,365 11,973
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-oss-120b 10.0 10.0 100.0% 0 31.18s 11,535 694 5,072
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 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 intrare Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 6.4 5.9 66.7% 1 1.98s 7,476 241 1,114
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-oss-120b 2.9 4.4 22.2% 2 50.92s 1,266 6,784 20,606
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-oss-120b 4.3 10.0 0.0% 0 7.90s 659 107 387
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-oss-120b 9.9 10.0 100.0% 0 7.63s 1,036 126 1,799
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-oss-120b 5.3 7.2 44.4% 1 21.71s 1,190 1,790 2,264
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-oss-120b 9.8 10.0 100.0% 0 6.91s 6,514 287 1,083
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-oss-120b 3.0 10.0 0.0% 0 26.51s 312 3,101 3,758
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

Comparație rapidă

Schimbă perechea de comparație

Step 3.7 FlashhighvsGLM 5.1mediumStep 3.7 FlashhighvsGLM 5.2noneQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemma 4 26B A4BmediumDisponibil gratuitvsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighGemini 3.5 Flashminimalvsgpt-oss-120bmediumDisponibil gratuitClaude Opus 4.8nonevsStep 3.7 Flashhighgpt-oss-120bmediumDisponibil gratuitvsQwen3.7 MaxnoneGemini 3 Flash PreviewnonevsStep 3.7 FlashhighGemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmediumDisponibil gratuit