AI BENCHY Compare

OpenAI: GPT-5.5 vs StepFun: Step 3.7 Flash

Сводка

Сравнение benchmark GPT-5.5 vs Step 3.7 Flash: GPT-5.5 лидирует по среднему баллу: 9.3 vs 7.7. Step 3.7 Flash имеет более низкую стоимость benchmark: $0.341 vs $0.907. GPT-5.5 быстрее: 9.76s vs 15.74s, с долей успешных попыток 85.7% vs 68.3%.

Рекомендуемая модель: GPT-5.5 - Здесь у него лучший балл (9.3), и он отвечает примерно в 1.6 раза быстрее, чем Step 3.7 Flash.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-18

Метрика	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29

Метрика	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29
Оценка	9.3	7.7
Ранг	#4	#39
Надежность	10.0	10.0
Стабильность	10.0	8.4
Тестов верно
Доля успешных попыток	85.7%	68.3%
Нестабильные тесты	0	4
Всего запусков	63	63
Стоимость за результат	5.035	2.840
Общая стоимость	$0.907	$0.341
Цена входа	$5.000 / 1M	$0.200 / 1M
Цена выхода	$30.000 / 1M	$1.150 / 1M
Общее число входных токенов	34,209	40,101
Выходные токены	2,046	289,325
Токены рассуждений	22,460	0
Время ответа (среднее)	9.76s	15.74s
Время ответа (макс.)	56.19s	124.75s
Время ответа (суммарно)	204.92s	330.63s

Генерация showcase

Hamster playing table tennis

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

#4 GPT-5.5

low

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

#39 Step 3.7 Flash

low

Неверный SVG

Стоимость: $0.004
Время: 25.3s
Токены: 3,072 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 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	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 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	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 3.7 Flash	10.0	10.0	100.0%	0		7.98s	13,683	6,426	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 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	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 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	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 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	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 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	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 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	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 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	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 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Быстрое сравнение

Сменить пару сравнения

Claude Opus 4.6mediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok 4.3medium GPT-5.5lowvsQwen3.7 Maxmedium Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow Kimi K2.6mediumБесплатно доступноvsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow MiniMax M3mediumvsStep 3.7 Flashlow DeepSeek V4 ProhighvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok Build 0.1medium Claude Fable 5mediumvsGPT-5.5low