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: 9.0 vs 7.1. Step 3.7 Flash имеет более низкую стоимость benchmark: $1.148 vs $3.679. GPT-5.5 быстрее: 37.98s vs 64.46s, с долей успешных попыток 87.3% vs 63.5%.

Рекомендуемая модель: GPT-5.5 - Здесь у него лучший балл (9.0), и он отвечает примерно в 1.7 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 medium Релиз: 2026-04-24	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29

Метрика	GPT-5.5 GPT-5.5 medium Релиз: 2026-04-24	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29
Оценка	9.0	7.1
Ранг	#9	#63
Надежность	10.0	10.0
Стабильность	8.9	8.2
Тестов верно
Доля успешных попыток	87.3%	63.5%
Нестабильные тесты	3	4
Всего запусков	63	63
Стоимость за результат	21.638	10.434
Общая стоимость	$3.679	$1.148
Цена входа	$5.000 / 1M	$0.200 / 1M
Цена выхода	$30.000 / 1M	$1.150 / 1M
Общее число входных токенов	34,212	38,391
Выходные токены	1,985	991,355
Токены рассуждений	114,925	0
Время ответа (среднее)	37.98s	64.46s
Время ответа (макс.)	332.10s	364.99s
Время ответа (суммарно)	797.60s	1353.57s

Генерация showcase

Hamster playing table tennis

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

#9 GPT-5.5

medium

Стоимость: $0.112
Время: 71.9s
Токены: 3,807 tok

#63 Step 3.7 Flash

high

Стоимость: $0.007
Время: 63.6s
Токены: 6,030 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		4.66s	606	250	1,335
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	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		19.29s	11,019	312	2,841
Step 3.7 Flash	10.0	10.0	100.0%	0		13.01s	13,638	8,802	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		4.18s	7,140	234	593
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	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	7.2	44.4%	1		164.14s	723	67	79,625
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	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		4.16s	477	138	223
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0

Следование инструкциям	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		3.36s	660	93	538
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	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		6.76s	642	241	2,225
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	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		10.57s	5,445	258	832
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	2.8	1.6	33.3%	1		37.86s	195	30	1,754
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Быстрое сравнение

Сменить пару сравнения

Step 3.7 FlashhighvsGLM 5.1medium Step 3.7 FlashhighvsGLM 5.2none Qwen3.7 PlusnonevsStep 3.7 Flashhigh Kimi K2.7 CodemediumvsStep 3.7 Flashhigh Gemma 4 26B A4BmediumБесплатно доступноvsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh Gemini 3.5 FlashnonevsStep 3.7 Flashhigh Claude Opus 4.8nonevsStep 3.7 Flashhigh Gemini 3 Flash PreviewnonevsStep 3.7 Flashhigh Claude Sonnet 4.6nonevsStep 3.7 Flashhigh Qwen3.7 MaxnonevsStep 3.7 Flashhigh Gemini 3.5 FlashlowvsGPT-5.5medium