AI BENCHY Compare

OpenAI: GPT-5.2 vs StepFun: Step 3.7 Flash

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-29

Метрика	GPT-5.2 GPT-5.2 medium Релиз: 2025-12-11	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29

Метрика	GPT-5.2 GPT-5.2 medium Релиз: 2025-12-11	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29
Оценка	7.3	7.1
Ранг	#63	#74
Надежность	10.0	10.0
Стабильность	8.3	8.2
Тестов верно
Доля успешных попыток	70.0%	65.8%
Нестабильные тесты	4	4
Всего запусков	60	60
Стоимость за результат	4.094	8.723
Общая стоимость	$0.492	$0.960
Цена входа	$1.750 / 1M	$0.200 / 1M
Цена выхода	$14.000 / 1M	$1.150 / 1M
Выходные токены	2,880	828,084
Токены рассуждений	28,289	0
Время ответа (среднее)	16.50s	49.43s
Время ответа (макс.)	77.80s	192.75s
Время ответа (суммарно)	214.45s	988.58s

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	6.5	8.0	58.3%	1		7.81s	567	2,002
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	42,656	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	10.0	10.0	100.0%	0		23.15s	490	8,269
Step 3.7 Flash	3.6	4.6	25.0%	1		126.82s	164,069	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	10.0	10.0	100.0%	0		14.06s	291	1,757
Step 3.7 Flash	10.0	10.0	100.0%	0		13.01s	8,802	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	10.0	10.0	100.0%	0		3.15s	234	420
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	23,113	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	5.9	7.2	55.6%	1		77.80s	42	10,342
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	410,502	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	3.7	9.7	0.0%	0		4.32s	162	269
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	2,862	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	9.9	10.0	100.0%	0		3.12s	94	614
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	2,010	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	7.5	7.3	77.8%	1		5.80s	735	924
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	25,422	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	4.7	1.6	66.7%	1		10.30s	239	469
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	1,172	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	3.0	10.0	0.0%	0		28.18s	26	3,223
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	147,476	0

Быстрое сравнение

Сменить пару сравнения

GPT-5 MinimediumvsStep 3.7 Flashhigh GPT-5.4 NanomediumvsStep 3.7 Flashhigh Seed-2.0-MinimediumvsStep 3.7 Flashhigh Claude Opus 4.8nonevsGPT-5.2medium Qwen3.6 Max PreviewnonevsStep 3.7 Flashhigh GPT-5.2mediumvsStep 3.7 Flashlow Claude Opus 4.6mediumvsStep 3.7 Flashhigh Ring-2.6-1TnonevsGPT-5.2medium Step 3.7 FlashhighvsMiMo-V2-Flashmedium Ring-2.6-1TnonevsStep 3.7 Flashhigh Ring-2.6-1TmediumvsStep 3.7 Flashhigh Gemini 3.1 Flash LitelowvsGPT-5.2medium