OpenAI: GPT-5.5 vs StepFun: Step 3.5 Flash

GPT-5.5 (low) лидирует по среднему баллу: 9.3 vs 6.0. Step 3.5 Flash (medium) имеет более низкую стоимость benchmark: $0.108 vs $1.253. GPT-5.5 (low) быстрее: 10.13s vs 174.22s, с долей успешных попыток 86.4% vs 51.5%.

Рекомендуемая модельGPT-5.5 (low)Здесь у него лучший балл (9.3), и он отвечает примерно в 17.2 раза быстрее, чем Step 3.5 Flash (medium).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-18

Метрика	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01

Метрика	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01
Оценка	9.3	6.0
Ранг	#6	#126
Надежность	10.0	9.2
Стабильность	10.0	9.0
Тестов верно
Доля успешных попыток	86.4%	51.5%
Нестабильные тесты	0	1
Всего запусков	66	63
Стоимость за результат	6.594	0.540
Общая стоимость	$1.253	$0.108
Цена входа	$5.000 / 1M	$0.100 / 1M
Цена выхода	$30.000 / 1M	$0.300 / 1M
Общее число входных токенов	80,058	65,707
Выходные токены	5,378	108,561
Токены рассуждений	23,040	293,993
Время ответа (среднее)	10.13s	174.22s
Время ответа (макс.)	56.19s	1597.85s
Время ответа (суммарно)	222.82s	2613.32s

Hamster playing table tennis

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

#6 GPT-5.5

low

Стоимость: $0.068
Время: 37.0s
Токены: 2,339 tok

#126 Step 3.5 Flash

medium

Стоимость: $0.008
Время: 277.1s
Токены: 23,695 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

Категория:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020
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-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		13.73s	56,868	3,635	1,297
Step 3.5 Flash	6.5	10.0	50.0%	0		813.71s	44,914	18,150	111,004

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157
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-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609
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-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245
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-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415
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-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954
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-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101
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-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Быстрое сравнение

Сменить пару сравнения