AI BENCHY Compare

OpenAI: GPT-5.5 vs StepFun: Step 3.5 Flash

Сводка

Сравнение benchmark GPT-5.5 vs Step 3.5 Flash: Step 3.5 Flash лидирует по среднему баллу: 6.6 vs 6.3. Step 3.5 Flash имеет более низкую стоимость benchmark: $0.070 vs $0.231. GPT-5.5 быстрее: 1.89s vs 72.53s, с долей успешных попыток 54.0% vs 54.0%.

Рекомендуемая модель: Step 3.5 Flash - Здесь у него лучший балл (6.6), при этом он примерно в 3.3 раза дешевле, чем GPT-5.5.

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

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

Метрика	GPT-5.5 GPT-5.5 none Релиз: 2026-04-24	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01
Оценка	6.3	6.6
Ранг	#90	#80
Надежность	10.0	10.0
Стабильность	8.8	8.9
Тестов верно
Доля успешных попыток	54.0%	54.0%
Нестабильные тесты	3	1
Всего запусков	63	60
Стоимость за результат	2.302	0.198
Общая стоимость	$0.231	$0.070
Цена входа	$5.000 / 1M	$0.090 / 1M
Цена выхода	$30.000 / 1M	$0.300 / 1M
Общее число входных токенов	34,212	34,431
Выходные токены	1,971	91,587
Токены рассуждений	0	195,973
Время ответа (среднее)	1.89s	72.53s
Время ответа (макс.)	5.56s	453.94s
Время ответа (суммарно)	39.64s	1015.47s

Генерация showcase

Hamster playing table tennis

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

#90 GPT-5.5

none

Стоимость: $0.090
Время: 54.3s
Токены: 3,063 tok

#80 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

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	6.9	7.9	66.7%	1		1.31s	606	213	0
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	5.5	10.0	33.3%	0		1.35s	7,305	462	0
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	3.0	10.0	0.0%	0		5.56s	11,019	300	0
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

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		1.18s	7,140	222	0
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	2.9	7.2	11.1%	1		1.31s	723	52	0
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		3.41s	477	124	0
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	6.2	5.8	66.7%	1		1.15s	660	81	0
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	7.7	10.0	66.7%	0		1.29s	642	252	0
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		3.90s	5,445	247	0
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		5.01s	195	18	0
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Быстрое сравнение

Сменить пару сравнения

GPT-5.5nonevsQwen3.5-35B-A3Bmedium Gemma 4 31BmediumБесплатно доступноvsGPT-5.5none Nemotron 3 SupermediumБесплатно доступноvsGPT-5.5none Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmedium Gemini 3.1 Flash LiteminimalvsGPT-5.5none Gemini 3.1 Flash LitelowvsGPT-5.5none Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium Gemini 3.1 Flash LitelowvsStep 3.5 Flashmedium Gemini 3.5 FlashminimalvsStep 3.5 Flashmedium Gemini 3.1 Flash Lite PreviewlowvsGPT-5.5none Qwen3.7 MaxnonevsStep 3.5 Flashmedium Gemini 3 Flash PreviewnonevsStep 3.5 Flashmedium