AI BENCHY Compare

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

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-03

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	7.4
Ранг	#30	#55
Надежность	10.0	10.0
Стабильность	8.9	9.4
Тестов верно
Доля успешных попыток	73.3%	59.7%
Нестабильные тесты	3	1
Всего запусков	60	57
Стоимость за результат	2.703	0.133
Общая стоимость	$0.352	$0.062
Цена входа	$1.750 / 1M	$0.090 / 1M
Цена выхода	$14.000 / 1M	$0.300 / 1M
Общее число входных токенов	31,593	33,555
Выходные токены	21,144	90,478
Токены рассуждений	0	173,544
Время ответа (среднее)	6.82s	43.20s
Время ответа (макс.)	38.52s	170.45s
Время ответа (суммарно)	136.34s	561.54s

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)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.2 Chat	8.7	7.9	91.7%	1		3.40s	606	1,807	0
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.2 Chat	8.2	6.7	83.3%	1		8.05s	4,686	4,131	0
Step 3.5 Flash	3.5	7.8	0.0%	0		62.83s	1,335	12,098	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.2 Chat	10.0	10.0	100.0%	0		9.12s	11,019	1,243	0
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.2 Chat	10.0	10.0	100.0%	0		3.05s	7,140	980	0
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.2 Chat	5.3	10.0	33.3%	0		17.78s	723	7,810	0
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.2 Chat	4.4	3.0	33.3%	1		3.20s	477	335	0
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.2 Chat	9.8	10.0	100.0%	0		5.51s	660	1,441	0
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.2 Chat	7.7	10.0	66.7%	0		4.10s	642	1,603	0
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.2 Chat	10.0	10.0	100.0%	0		4.68s	5,445	555	0
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.2 Chat	3.0	10.0	0.0%	0		6.89s	195	1,239	0
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Быстрое сравнение

Сменить пару сравнения

Gemini 3 PRO PreviewmediumvsGPT-5.2 Chatnone GPT-5.3 ChatnonevsStep 3.5 Flashmedium Gemma 4 26B A4BmediumБесплатно доступноvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsGLM 5 Turbomedium Gemini 3.1 Flash LitelowvsStep 3.5 Flashmedium GPT-5.2 ChatnonevsStep 3.7 Flashmedium GPT-5.2 ChatnonevsQwen3.5-27Bmedium Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium GPT-5.2 ChatnonevsGrok 4.3medium Gemini 3.5 FlashminimalvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsQwen3.6 Plusmedium Claude Opus 4.8nonevsStep 3.5 Flashmedium