Navigare
AI BENCHY
Compară Grafice
❤️ Made by XCS
Your ad here

AI BENCHY Compare

OpenAI: GPT-5.3-Codex vs StepFun: Step 3.5 Flash

Nume model:

Benchmark-urile au fost generate din suitele de teste AI BENCHY la : 2026-02-27 15:16

Rezumat

Metrică OpenAI: GPT-5.3-Codex medium Lansare: Data lansării necunoscută StepFun: Step 3.5 Flash medium Lansare: Data lansării necunoscută Disponibil gratuit
Rang #7 #11
Scor 7.93 7.00
Consistență 8.84 8.32
Cost per rezultat 4.641 0.000
Cost total $0.465 $0.000
Teste corecte
Teste greșite 4 5
Rată de trecere pe încercare 78.6% 73.8%
Teste instabile 2 3
Tokenuri de ieșire 1,201 60,502
Tokenuri de raționament 30,056 117,044

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 216 1,421
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 13,924 17,208
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 234 735
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 535 11,548
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.3-Codex 4.00 7.21 55.6% 1 64 25,308
StepFun: Step 3.5 Flash 4.00 7.21 44.4% 1 40,942 74,237
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.3-Codex 9.00 10.00 50.0% 0 93 693
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 2,121 3,274
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.3-Codex 7.00 7.38 77.8% 1 340 1,407
StepFun: Step 3.5 Flash 2.00 4.96 33.3% 2 2,705 6,975
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 254 492
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 275 3,802

Schimbă perechea de comparație

Compară OpenAI: GPT-5.3-Codex cu...

Compară StepFun: Step 3.5 Flash cu...