AI BENCHY Compare

OpenAI: GPT-5 Mini vs StepFun: Step 3.5 Flash

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-01

Метрика	GPT-5 Mini GPT-5 Mini medium Релиз: 2025-08-07	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01

Метрика	GPT-5 Mini GPT-5 Mini medium Релиз: 2025-08-07	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01
Оценка	7.2	7.4
Ранг	#73	#61
Надежность	10.0	10.0
Стабильность	9.1	9.1
Тестов верно
Доля успешных попыток	61.7%	61.4%
Нестабильные тесты	2	2
Всего запусков	60	57
Стоимость за результат	1.348	0.133
Общая стоимость	$0.149	$0.062
Цена входа	$0.250 / 1M	$0.090 / 1M
Цена выхода	$2.000 / 1M	$0.300 / 1M
Выходные токены	6,723	90,478
Токены рассуждений	63,082	173,544
Время ответа (среднее)	23.75s	43.20s
Время ответа (макс.)	88.15s	170.45s
Время ответа (суммарно)	475.03s	561.54s

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)	Выходные токены	Токены рассуждений
GPT-5 Mini	7.1	7.6	66.7%	1		13.86s	1,715	6,378
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	20,391	24,176

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5 Mini	10.0	10.0	100.0%	0		30.74s	580	12,544
Step 3.5 Flash	2.5	6.0	33.3%	1		62.83s	12,098	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5 Mini	10.0	10.0	100.0%	0		88.15s	754	11,520
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	1,176	12,984

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5 Mini	10.0	10.0	100.0%	0		12.58s	453	3,200
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	600	13,886

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5 Mini	3.6	7.2	22.2%	1		44.63s	293	14,016
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	45,350	90,436

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5 Mini	4.5	10.0	0.0%	0		13.50s	349	1,856
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	240	3,506

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5 Mini	10.0	10.0	100.0%	0		11.59s	310	3,968
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	2,364	3,521

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5 Mini	5.6	9.8	33.3%	0		15.20s	1,622	6,144
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	5,630	10,861

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5 Mini	10.0	10.0	100.0%	0		18.64s	487	1,600
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	275	3,802

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5 Mini	3.0	10.0	0.0%	0		9.99s	160	1,856
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	2,354	10,372

Быстрое сравнение

Сменить пару сравнения

GPT-5 MinimediumvsStep 3.7 Flashhigh GPT-5.3 ChatnonevsStep 3.5 Flashmedium Gemini 3.1 Flash LitelowvsStep 3.5 Flashmedium Ring-2.6-1TnonevsGPT-5 Minimedium GPT-5 MinimediumvsQwen3.6 Max Previewnone Claude Opus 4.8nonevsStep 3.5 Flashmedium Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium Claude Opus 4.8nonevsGPT-5 Minimedium Ring-2.6-1TnonevsStep 3.5 Flashmedium Claude Sonnet 4.6nonevsGPT-5 Minimedium GPT-5 MinimediumvsStep 3.7 Flashlow Gemini 3.1 Flash LitelowvsGPT-5 Minimedium