AI BENCHY Compare

OpenAI: GPT-5.2 Chat vs StepFun: Step 3.5 Flash

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-04-16

Метрика	GPT-5.2 Chat GPT-5.2 Chat none Релиз: 2025-12-11	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01

Метрика	GPT-5.2 Chat GPT-5.2 Chat none Релиз: 2025-12-11	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01
Оценка	7.9	7.9
Ранг	#28	#30
Стабильность	8.7	9.1
Тестов верно
Доля успешных попыток	75.9%	70.6%
Нестабильные тесты	3	2
Всего запусков	54	49
Стоимость за результат	2.424	0.000
Общая стоимость	$0.291	$0.000
???? ?????	$1.750 / 1M	$0.100 / 1M
???? ??????	$14.000 / 1M	$0.300 / 1M
Выходные токены	17,346	71,904
Токены рассуждений	0	155,607
Время ответа (среднее)	6.84s	26.78s
Время ответа (макс.)	38.52s	170.45s
Время ответа (суммарно)	123.17s	294.58s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2 Chat	8.7	7.9	91.7%	1		3.40s	1,807	0
Step 3.5 Flash	10.0	10.0	100.0%	0		13.56s	14,376	17,668

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2 Chat	10.0	10.0	100.0%	0		8.97s	1,345	0
Step 3.5 Flash	-	-	-	-	-	-	-	-

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2 Chat	10.0	10.0	100.0%	0		9.12s	1,243	0
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	1,176	12,984

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2 Chat	10.0	10.0	100.0%	0		3.05s	980	0
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	600	13,886

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2 Chat	5.3	10.0	33.3%	0		17.78s	7,810	0
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	45,350	90,436

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2 Chat	4.4	3.0	33.3%	1		3.20s	335	0
Step 3.5 Flash	5.5	10.0	0.0%	0		6.54s	2,214	2,584

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2 Chat	7.5	6.1	83.3%	1		5.46s	1,528	0
Step 3.5 Flash	8.5	6.8	83.3%	1		4.98s	2,284	3,412

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2 Chat	7.7	10.0	66.7%	0		4.42s	1,743	0
Step 3.5 Flash	5.3	10.0	33.3%	0		7.72s	5,629	10,835

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2 Chat	10.0	10.0	100.0%	0		4.68s	555	0
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	275	3,802

Быстрое сравнение

Сменить пару сравнения

Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium DeepSeek V3.2mediumvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsGLM 5V Turbomedium Claude Sonnet 4.6mediumvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsQwen3.5-Flashmedium Gemma 4 26B A4BmediumБесплатно доступноvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsGLM 5.1medium GPT-5.2 ChatnonevsMiMo-V2-Promedium Gemini 3.1 Flash Lite PreviewlowvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsQwen3.6 Plusmedium Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmedium GPT-5.2 ChatnonevsQwen3.5-122B-A10Bmedium