AI BENCHY Compare

OpenAI: GPT-5.5 vs StepFun: Step 3.5 Flash

Сводка

Сравнение benchmark GPT-5.5 (low) vs Step 3.5 Flash: GPT-5.5 (low) лидирует по среднему баллу: 9.3 vs 2.6. Step 3.5 Flash имеет более низкую стоимость benchmark: $0.020 vs $0.907. GPT-5.5 (low) быстрее: 9.76s vs 39.03s, с долей успешных попыток 85.7% vs 28.6%.

Рекомендуемая модель: GPT-5.5 (low) - Здесь у него лучший балл (9.3), и он отвечает примерно в 4.0 раза быстрее, чем Step 3.5 Flash.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-09

Метрика	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24	Step 3.5 Flash Step 3.5 Flash none Релиз: 2026-02-01

Метрика	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24	Step 3.5 Flash Step 3.5 Flash none Релиз: 2026-02-01
Оценка	9.3	2.6
Ранг	#7	#187
Надежность	10.0	10.0
Стабильность	10.0	5.7
Тестов верно
Доля успешных попыток	85.7%	28.6%
Нестабильные тесты	0	0
Всего запусков	63	36
Стоимость за результат	5.035	0.328
Общая стоимость	$0.907	$0.020
Цена входа	$5.000 / 1M	$0.100 / 1M
Цена выхода	$30.000 / 1M	$0.300 / 1M
Общее число входных токенов	34,209	1,971
Выходные токены	2,046	64,795
Токены рассуждений	22,460	0
Время ответа (среднее)	9.76s	39.03s
Время ответа (макс.)	56.19s	114.12s
Время ответа (суммарно)	204.92s	312.26s

Генерация showcase

Hamster playing table tennis

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

#7 GPT-5.5

low

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

#187 Step 3.5 Flash

none

Стоимость: $0.005
Время: 156.3s
Токены: 13,887 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-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020
Step 3.5 Flash	10.0	10.0	100.0%	0		34.99s	691	21,766	0

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	9.8	3.3	0.0%	0		0ms	0	0	0

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		9.56s	11,019	303	717
Step 3.5 Flash	3.0	10.0	0.0%	0		0ms	0	0	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157
Step 3.5 Flash	1.5	5.0	0.0%	0		0ms	0	0	0

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	3.3	3.3	33.3%	0		34.54s	165	7,389	0

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	4.0	10.0	0.0%	0		14.37s	509	2,451	0

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	5.0	5.0	50.0%	0		9.30s	384	1,427	0

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	0.0	0.0	0.0%	0		0ms	0	0	0

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	3.0	10.0	0.0%	0		0ms	0	0	0

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		114.12s	222	31,762	0

Быстрое сравнение

Сменить пару сравнения

GPT-5.5lowvsQwen3.7 Maxmedium Claude Fable 5mediumvsGPT-5.5low Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Gemini 3.5 FlashmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGPT-5.5low GPT-5.5lowvsQwen3.6 Max Previewmedium Claude Opus 4.8mediumvsGPT-5.5low Gemini 3.5 FlashhighvsGPT-5.5low Claude Opus 4.7mediumvsGPT-5.5low GPT-5.5lowvsGLM 5.2medium GPT-5.5lowvsGLM 5medium Seed-2.0-LitemediumvsGPT-5.5low