AI BENCHY Compare

OpenAI: GPT-5.4 Mini vs StepFun: Step 3.5 Flash

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-03-17

Метрика	GPT-5.4 Mini GPT-5.4 Mini medium Релиз: 2026-03-17	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01 Бесплатно доступно

Метрика	GPT-5.4 Mini GPT-5.4 Mini medium Релиз: 2026-03-17	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01 Бесплатно доступно
Ранг	#34	#22
Оценка	7.1	7.9
Стабильность	7.2	9.1
Стоимость за результат	3.610	0.000
Общая стоимость	$0.289	$0.000
Тестов верно
Доля успешных попыток	68.6%	70.6%
Нестабильные тесты	6	2
Всего запусков	51	49
Выходные токены	1,708	71,904
Токены рассуждений	58,019	155,607
Время ответа (среднее)	15.66s	26.78s
Время ответа (макс.)	102.91s	170.45s
Время ответа (суммарно)	266.14s	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-5.4 Mini	8.6	7.9	91.7%	1		4.05s	296	2,876
Step 3.5 Flash	10.0	10.0	100.0%	0		13.56s	14,376	17,668

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.4 Mini	10.0	10.0	100.0%	0		17.81s	317	4,317
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-5.4 Mini	10.0	10.0	100.0%	0		2.43s	234	650
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-5.4 Mini	4.1	4.4	44.5%	2		65.31s	60	43,286
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-5.4 Mini	4.5	10.0	0.0%	0		3.72s	150	510
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-5.4 Mini	7.4	6.5	66.7%	1		2.50s	129	1,337
Step 3.5 Flash	8.5	6.8	83.3%	1		4.98s	2,284	3,412

Puzzle Solving	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.4 Mini	6.8	7.9	55.6%	1		4.33s	271	2,449
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-5.4 Mini	4.7	1.6	66.7%	1		9.62s	251	2,594
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 FlashmediumБесплатно доступно GPT-5.2 ChatnonevsStep 3.5 FlashmediumБесплатно доступно Gemini 3 Flash PreviewnonevsStep 3.5 FlashmediumБесплатно доступно Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumБесплатно доступно Claude Sonnet 4.6nonevsGPT-5.4 Minimedium GPT-5.3 ChatnonevsStep 3.5 FlashmediumБесплатно доступно GPT-5.4 MinimediumvsQwen3.5 Plus 2026-02-15none GPT-5.4 MinimediumvsGLM 5none Claude Sonnet 4.6nonevsStep 3.5 FlashmediumБесплатно доступно Gemini 3.1 Flash Lite PreviewnonevsGPT-5.4 Minimedium DeepSeek V3.2nonevsGPT-5.4 Minimedium Gemini 3 Flash PreviewlowvsStep 3.5 FlashmediumБесплатно доступно