AI BENCHY Compare

OpenAI: GPT-5 Mini vs StepFun: Step 3.7 Flash

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-29

Метрика	GPT-5 Mini GPT-5 Mini medium Релиз: 2025-08-07	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29

Метрика	GPT-5 Mini GPT-5 Mini medium Релиз: 2025-08-07	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29
Оценка	7.2	7.1
Ранг	#73	#74
Надежность	10.0	10.0
Стабильность	9.1	8.2
Тестов верно
Доля успешных попыток	61.7%	65.8%
Нестабильные тесты	2	4
Всего запусков	60	60
Стоимость за результат	1.348	8.723
Общая стоимость	$0.149	$0.960
Цена входа	$0.250 / 1M	$0.200 / 1M
Цена выхода	$2.000 / 1M	$1.150 / 1M
Выходные токены	6,723	828,084
Токены рассуждений	63,082	0
Время ответа (среднее)	23.75s	49.43s
Время ответа (макс.)	88.15s	192.75s
Время ответа (суммарно)	475.03s	988.58s

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 3.7 Flash	10.0	10.0	100.0%	0		13.40s	42,656	0

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 3.7 Flash	3.6	4.6	25.0%	1		126.82s	164,069	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 3.7 Flash	10.0	10.0	100.0%	0		13.01s	8,802	0

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 3.7 Flash	10.0	10.0	100.0%	0		14.72s	23,113	0

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 3.7 Flash	4.1	4.4	44.5%	2		149.64s	410,502	0

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 3.7 Flash	5.5	10.0	0.0%	0		4.17s	2,862	0

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 3.7 Flash	9.8	10.0	100.0%	0		1.52s	2,010	0

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 3.7 Flash	5.3	7.2	44.4%	1		10.22s	25,422	0

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 3.7 Flash	10.0	10.0	100.0%	0		2.79s	1,172	0

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 3.7 Flash	3.0	10.0	0.0%	0		149.34s	147,476	0

Быстрое сравнение

Сменить пару сравнения

GPT-5.4 NanomediumvsStep 3.7 Flashhigh Seed-2.0-MinimediumvsStep 3.7 Flashhigh Qwen3.6 Max PreviewnonevsStep 3.7 Flashhigh Claude Opus 4.6mediumvsStep 3.7 Flashhigh Ring-2.6-1TnonevsGPT-5 Minimedium GPT-5 MinimediumvsQwen3.6 Max Previewnone Step 3.7 FlashhighvsMiMo-V2-Flashmedium Ring-2.6-1TnonevsStep 3.7 Flashhigh Ring-2.6-1TmediumvsStep 3.7 Flashhigh Claude Opus 4.8nonevsGPT-5 Minimedium Qwen3.5-35B-A3BmediumvsStep 3.7 Flashhigh Claude Sonnet 4.6nonevsStep 3.7 Flashhigh