AI BENCHY Compare

OpenAI: GPT-5.4 Mini vs StepFun: Step 3.7 Flash

Сводка

Сравнение benchmark GPT-5.4 Mini vs Step 3.7 Flash: Step 3.7 Flash лидирует по среднему баллу: 8.5 vs 8.0. Step 3.7 Flash имеет более низкую стоимость benchmark: $0.376 vs $0.526. Step 3.7 Flash быстрее: 20.35s vs 22.34s, с долей успешных попыток 73.0% vs 73.0%.

Рекомендуемая модель: Step 3.7 Flash - У него самый высокий балл в этом сравнении (8.5) и лучший общий баланс стоимости и времени ответа среди всех 2 моделей.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-12

Метрика	GPT-5.4 Mini GPT-5.4 Mini medium Релиз: 2026-03-17	Step 3.7 Flash Step 3.7 Flash medium Релиз: 2026-05-29

Метрика	GPT-5.4 Mini GPT-5.4 Mini medium Релиз: 2026-03-17	Step 3.7 Flash Step 3.7 Flash medium Релиз: 2026-05-29
Оценка	8.0	8.5
Ранг	#30	#23
Надежность	10.0	9.9
Стабильность	8.0	9.3
Тестов верно
Доля успешных попыток	73.0%	73.0%
Нестабильные тесты	5	2
Всего запусков	63	61
Стоимость за результат	4.381	2.686
Общая стоимость	$0.526	$0.376
Цена входа	$0.750 / 1M	$0.200 / 1M
Цена выхода	$4.500 / 1M	$1.150 / 1M
Общее число входных токенов	34,116	39,981
Выходные токены	2,181	319,958
Токены рассуждений	108,937	0
Время ответа (среднее)	22.34s	20.35s
Время ответа (макс.)	138.75s	113.98s
Время ответа (суммарно)	469.20s	427.42s

Generation showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#30 GPT-5.4 Mini

medium

Cost: $0.056
Time: 95.5s
Tokens: 12,464 tok

#23 Step 3.7 Flash

medium

Cost: $0.006
Time: 46.2s
Tokens: 4,466 tok

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-5.4 Mini	8.6	7.9	91.7%	1		4.05s	606	296	2,876
Step 3.7 Flash	8.7	7.9	91.7%	1		9.65s	756	32,185	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	8.4	7.4	88.9%	1		57.87s	7,305	467	40,902
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	10.0	10.0	100.0%	0		17.81s	11,019	317	4,317
Step 3.7 Flash	10.0	10.0	100.0%	0		9.06s	13,683	7,106	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	10.0	10.0	100.0%	0		2.43s	7,140	234	650
Step 3.7 Flash	10.0	10.0	100.0%	0		2.75s	7,398	3,020	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	4.1	4.4	44.5%	2		65.31s	619	60	43,286
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	4.5	10.0	0.0%	0		3.72s	477	150	510
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	9.8	10.0	100.0%	0		2.13s	660	96	1,185
Step 3.7 Flash	9.8	10.0	100.0%	0		1.83s	735	2,166	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	7.8	10.0	66.7%	0		4.37s	642	278	2,443
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	15,071	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	4.7	1.6	66.7%	1		9.62s	5,453	251	2,594
Step 3.7 Flash	10.0	10.0	100.0%	0		4.16s	7,746	2,115	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	3.0	10.0	0.0%	0		30.10s	195	32	10,174
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

Быстрое сравнение

Сменить пару сравнения

GPT-5.2 ChatnonevsStep 3.7 Flashmedium DeepSeek V4 FlashhighvsStep 3.7 Flashmedium DeepSeek V4 FlashhighvsGPT-5.4 Minimedium GPT-5.4 MinimediumvsStep 3.7 Flashlow Gemini 3 Flash PreviewlowvsGPT-5.4 Minimedium Claude Sonnet 4.6nonevsGPT-5.4 Minimedium Gemini 3.5 FlashlowvsStep 3.7 Flashmedium Claude Opus 4.8nonevsGPT-5.4 Minimedium GPT-5.4 MinimediumvsQwen3.7 Plusnone GPT-5.5lowvsStep 3.7 Flashmedium GPT-5.4 MinimediumvsStep 3.7 Flashhigh GPT-5.3 ChatnonevsStep 3.7 Flashmedium