AI BENCHY 对比
OpenAI: GPT-4o-mini vs StepFun: Step 3.5 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-11
| 指标 | GPT-4o-mini GPT-4o-mini none | Step 3.5 Flash Step 3.5 Flash none |
|---|---|---|
| 分数 | 4.9 | 3.0 |
| 排名 | #83 | #93 |
| 一致性 | 9.9 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 22.2% | 0.0% |
| 不稳定测试 | 0 | 0 |
| 总运行次数 | 54 | 3 |
| 每个结果成本 | 0.122 | 0.000 |
| 总成本 | $0.005 | $0.000 |
| ???? | $0.150 / 1M | $0.100 / 1M |
| ???? | $0.600 / 1M | $0.300 / 1M |
| 输出令牌 | 1,947 | 0 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.00s | 0ms |
| 响应时间（最大） | 7.58s | 0ms |
| 响应时间（总计） | 21.99s | 0ms |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.8 | 10.0 | 25.0% | 0 | 1.34s | 186 | 0 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 8.7 | 0.0% | 0 | 2.55s | 347 | 0 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 7.58s | 568 | 0 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 183 | 0 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 637ms | 15 | 0 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.0 | 10.0 | 0.0% | 0 | 909ms | 66 | 0 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.8 | 10.0 | 0.0% | 0 | 1.27s | 69 | 0 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.7 | 10.0 | 0.0% | 0 | 1.30s | 308 | 0 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 205 | 0 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
快速对比
切换对比组合
GPT-4o-mininonevsQwen3 Coder NextmediumGPT-4o-mininonevsGLM 4.7 FlashmediumMiniMax M2.7mediumvsGPT-4o-mininoneGPT-4o-mininonevsQwen3.5-9BmediumMistral Small 4mediumvsGPT-4o-mininoneMiniMax M2.5medium免费可用vsGPT-4o-mininoneQwen3.5-9BmediumvsStep 3.5 FlashnoneStep 3.5 FlashnonevsGLM 4.7 FlashmediumMercury 2mediumvsGPT-4o-mininoneQwen3 Coder NextmediumvsStep 3.5 FlashnoneGPT-4o-mininonevsGrok 4.1 FastmediumNemotron 3 Supermedium免费可用vsGPT-4o-mininone