AI BENCHY Compare

OpenAI: GPT-5.3 Chat vs StepFun: Step 3.7 Flash

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

Метрика	GPT-5.3 Chat GPT-5.3 Chat none Релиз: 2026-03-03	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29

Метрика	GPT-5.3 Chat GPT-5.3 Chat none Релиз: 2026-03-03	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29
Оценка	7.4	7.4
Ранг	#57	#60
Надежность	10.0	10.0
Стабильность	8.4	8.7
Тестов верно
Доля успешных попыток	68.3%	68.3%
Нестабильные тесты	4	3
Всего запусков	60	60
Стоимость за результат	3.350	2.796
Общая стоимость	$0.402	$0.336
Цена входа	$1.750 / 1M	$0.200 / 1M
Цена выхода	$14.000 / 1M	$1.150 / 1M
Выходные токены	24,757	285,209
Токены рассуждений	0	0
Время ответа (среднее)	6.13s	16.06s
Время ответа (макс.)	18.33s	124.75s
Время ответа (суммарно)	122.61s	321.11s

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-5.3 Chat	6.7	8.1	58.3%	1		3.86s	3,167	0
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	10,896	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	6.9	6.2	66.7%	1		10.52s	4,772	0
Step 3.7 Flash	10.0	10.0	100.0%	0		9.43s	14,569	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	10.0	10.0	100.0%	0		11.96s	2,614	0
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	6,426	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.21s	942	0
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	2,667	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	3.5	4.4	33.3%	2		13.01s	8,264	0
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	104,487	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	4.6	10.0	0.0%	0		1.99s	319	0
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	4,604	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	9.8	10.0	100.0%	0		3.51s	1,491	0
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	1,857	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.99s	1,758	0
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	3,564	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	10.0	10.0	100.0%	0		8.36s	861	0
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	1,360	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	3.0	10.0	0.0%	0		4.38s	569	0
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	134,779	0

Быстрое сравнение

Сменить пару сравнения

GPT-5.3 ChatnonevsMiMo-V2.5medium GPT-5.3 ChatnonevsGLM 5.1medium Kimi K2.6mediumБесплатно доступноvsGPT-5.3 Chatnone Kimi K2.6mediumБесплатно доступноvsStep 3.7 Flashlow Gemini 3.1 Flash LitelowvsGPT-5.3 Chatnone Step 3.7 FlashlowvsMiMo-V2.5medium Step 3.7 FlashlowvsGLM 5V Turbomedium GPT-5.3 ChatnonevsStep 3.5 Flashmedium Step 3.7 FlashlowvsGLM 5.1medium GPT-5.3 ChatnonevsGLM 5V Turbomedium GPT-5.2mediumvsStep 3.7 Flashlow GPT-5.4 MinimediumvsStep 3.7 Flashlow