AI BENCHY Compare

OpenAI: GPT-5.6 Luna vs StepFun: Step 3.7 Flash

Сводка

Сравнение benchmark GPT-5.6 Luna (high) vs Step 3.7 Flash (low): Средний балл практически равен: 7.7 vs 7.7. Step 3.7 Flash (low) имеет более низкую стоимость benchmark: $0.341 vs $0.924. Step 3.7 Flash (low) быстрее: 15.74s vs 18.39s, с долей успешных попыток 71.4% vs 68.3%.

Рекомендуемая модель: Step 3.7 Flash (low) - Здесь у него лучший балл (7.7), при этом он примерно в 2.7 раза дешевле, чем GPT-5.6 Luna (high).

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

Метрика	GPT-5.6 Luna GPT-5.6 Luna high Релиз: 2026-07-09	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29

Метрика	GPT-5.6 Luna GPT-5.6 Luna high Релиз: 2026-07-09	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29
Оценка	7.7	7.7
Ранг	#50	#49
Надежность	10.0	10.0
Стабильность	8.8	8.4
Тестов верно
Доля успешных попыток	71.4%	68.3%
Нестабильные тесты	3	4
Всего запусков	63	63
Стоимость за результат	6.594	2.840
Общая стоимость	$0.924	$0.341
Цена входа	$1.000 / 1M	$0.200 / 1M
Цена выхода	$6.000 / 1M	$1.150 / 1M
Общее число входных токенов	35,699	40,101
Выходные токены	2,079	289,325
Токены рассуждений	145,816	0
Время ответа (среднее)	18.39s	15.74s
Время ответа (макс.)	111.09s	124.75s
Время ответа (суммарно)	386.24s	330.63s

Генерация showcase

Hamster playing table tennis

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

#50 GPT-5.6 Luna

high

Стоимость: $0.033
Время: 34.2s
Токены: 5,484 tok

#49 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-5.6 Luna	8.3	10.0	75.0%	0		2.99s	606	162	1,265
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-5.6 Luna	5.5	4.7	55.6%	2		15.63s	7,302	510	17,746
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-5.6 Luna	10.0	10.0	100.0%	0		13.29s	12,500	357	2,911
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-5.6 Luna	10.0	10.0	100.0%	0		2.18s	7,140	234	470
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-5.6 Luna	7.7	10.0	66.7%	0		78.96s	723	69	96,395
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-5.6 Luna	5.0	10.0	0.0%	0		3.65s	477	117	563
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-5.6 Luna	9.9	10.0	100.0%	0		1.79s	660	97	481
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-5.6 Luna	7.6	7.2	77.8%	1		14.55s	642	242	18,281
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-5.6 Luna	10.0	10.0	100.0%	0		4.98s	5,454	260	324
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-5.6 Luna	3.0	10.0	0.0%	0		17.00s	195	31	7,380
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 Claude Opus 4.6mediumvsGPT-5.6 Lunahigh Step 3.7 FlashlowvsGrok 4.3medium GPT-5.6 LunahighvsGrok 4.3medium Claude Opus 4.8lowvsGPT-5.6 Lunahigh Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow GPT-5.6 LunahighvsQwen3.5-122B-A10Bmedium Kimi K2.6mediumБесплатно доступноvsStep 3.7 Flashlow Kimi K2.6mediumБесплатно доступноvsGPT-5.6 Lunahigh Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsGPT-5.6 Lunahigh Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow