AI BENCHY Compare

OpenAI: gpt-oss-120b vs StepFun: Step 3.7 Flash

Сводка

Сравнение benchmark gpt-oss-120b vs Step 3.7 Flash: Step 3.7 Flash лидирует по среднему баллу: 7.1 vs 6.7. gpt-oss-120b имеет более низкую стоимость benchmark: $0.013 vs $1.148. gpt-oss-120b быстрее: 22.28s vs 64.46s, с долей успешных попыток 52.4% vs 63.5%.

Рекомендуемая модель: gpt-oss-120b - Его балл близок к лучшему здесь (6.7 против 7.1), при этом он примерно в 94.5 раза дешевле, чем Step 3.7 Flash.

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

Метрика	gpt-oss-120b gpt-oss-120b medium Релиз: 2025-08-05 Бесплатно доступно	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29

Метрика	gpt-oss-120b gpt-oss-120b medium Релиз: 2025-08-05 Бесплатно доступно	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29
Оценка	6.7	7.1
Ранг	#78	#63
Надежность	10.0	10.0
Стабильность	8.0	8.2
Тестов верно
Доля успешных попыток	52.4%	63.5%
Нестабильные тесты	5	4
Всего запусков	63	63
Стоимость за результат	0.141	10.434
Общая стоимость	$0.013	$1.148
Цена входа	$0.039 / 1M	$0.200 / 1M
Цена выхода	$0.180 / 1M	$1.150 / 1M
Общее число входных токенов	39,084	38,391
Выходные токены	20,013	991,355
Токены рассуждений	50,233	0
Время ответа (среднее)	22.28s	64.46s
Время ответа (макс.)	68.16s	364.99s
Время ответа (суммарно)	311.96s	1353.57s

Генерация showcase

Hamster playing table tennis

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

#78 gpt-oss-120b

medium

Стоимость: $0.001
Время: 26.7s
Токены: 555 tok

#63 Step 3.7 Flash

high

Стоимость: $0.007
Время: 63.6s
Токены: 6,030 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-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
gpt-oss-120b	10.0	10.0	100.0%	0		31.18s	11,535	694	5,072
Step 3.7 Flash	10.0	10.0	100.0%	0		13.01s	13,638	8,802	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
gpt-oss-120b	2.9	4.4	22.2%	2		50.92s	1,266	6,784	20,606
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Быстрое сравнение

Сменить пару сравнения

Step 3.7 FlashhighvsGLM 5.1medium Step 3.7 FlashhighvsGLM 5.2none Qwen3.7 PlusnonevsStep 3.7 Flashhigh Kimi K2.7 CodemediumvsStep 3.7 Flashhigh Gemma 4 26B A4BmediumБесплатно доступноvsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh Gemini 3.5 FlashnonevsStep 3.7 Flashhigh Gemini 3.5 Flashminimalvsgpt-oss-120bmediumБесплатно доступно Claude Opus 4.8nonevsStep 3.7 Flashhigh gpt-oss-120bmediumБесплатно доступноvsQwen3.7 Maxnone Gemini 3 Flash PreviewnonevsStep 3.7 Flashhigh Gemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmediumБесплатно доступно