AI BENCHY Compare

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

Сводка

Сравнение benchmark GPT-5.6 Terra (medium) vs Step 3.7 Flash (low): GPT-5.6 Terra (medium) лидирует по среднему баллу: 7.8 vs 7.7. Step 3.7 Flash (low) имеет более низкую стоимость benchmark: $0.341 vs $0.496. GPT-5.6 Terra (medium) быстрее: 6.69s vs 15.74s, с долей успешных попыток 68.3% vs 68.3%.

Рекомендуемая модель: GPT-5.6 Terra (medium) - Здесь у него лучший балл (7.8), и он отвечает примерно в 2.4 раза быстрее, чем Step 3.7 Flash (low).

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

Метрика	GPT-5.6 Terra GPT-5.6 Terra medium Релиз: 2026-07-09	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29

Метрика	GPT-5.6 Terra GPT-5.6 Terra medium Релиз: 2026-07-09	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29
Оценка	7.8	7.7
Ранг	#37	#49
Надежность	10.0	10.0
Стабильность	9.2	8.4
Тестов верно
Доля успешных попыток	68.3%	68.3%
Нестабильные тесты	2	4
Всего запусков	63	63
Стоимость за результат	3.815	2.840
Общая стоимость	$0.496	$0.341
Цена входа	$2.500 / 1M	$0.200 / 1M
Цена выхода	$15.000 / 1M	$1.150 / 1M
Общее число входных токенов	34,218	40,101
Выходные токены	1,982	289,325
Токены рассуждений	25,370	0
Время ответа (среднее)	6.69s	15.74s
Время ответа (макс.)	41.68s	124.75s
Время ответа (суммарно)	140.49s	330.63s

Генерация showcase

Hamster playing table tennis

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

#37 GPT-5.6 Terra

medium

Стоимость: $0.035
Время: 16.3s
Токены: 2,418 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 Terra	8.3	10.0	75.0%	0		2.22s	606	172	657
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 Terra	6.1	7.2	55.6%	1		7.19s	7,302	427	4,527
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 Terra	10.0	10.0	100.0%	0		6.26s	11,019	316	540
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 Terra	10.0	10.0	100.0%	0		872ms	7,140	222	0
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 Terra	5.3	10.0	33.3%	0		23.45s	723	70	15,327
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 Terra	5.5	10.0	0.0%	0		2.37s	477	133	144
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 Terra	10.0	10.0	100.0%	0		1.43s	660	89	261
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 Terra	8.4	7.4	88.9%	1		3.78s	642	272	1,462
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 Terra	10.0	10.0	100.0%	0		5.09s	5,454	254	246
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 Terra	3.0	10.0	0.0%	0		10.05s	195	27	2,206
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Быстрое сравнение

Сменить пару сравнения

GPT-5.6 LunahighvsStep 3.7 Flashlow Claude Opus 4.6mediumvsStep 3.7 Flashlow GPT-5.6 TerramediumvsGrok 4.5low Step 3.7 FlashlowvsGrok 4.3medium 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 Claude Opus 4.8lowvsGPT-5.6 Terramedium