- 排名
- #184
- 总输出令牌
- 29,742
- 响应时间（平均）
- 7.43s
- 总成本
- $0.594
GPT-5.2 Chat (default) vs Step 3.7 Flash (medium)
Step 3.7 Flash (medium) 平均分领先，为 7.8 vs 7.0。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.571 vs $0.594。 GPT-5.2 Chat (default) 更快，为 7.43s vs 26.57s，通过率为 66.7% vs 68.1%。
已对比模型
- 排名
- #129
- 总输出令牌
- 440,835
- 响应时间（平均）
- 26.57s
- 总成本
- $0.571
推荐模型
Step 3.7 Flash (medium)
它在本次比较中得分最高（7.8），并且在 2 个模型中兼顾成本和响应时间最好。
详细对比
| 指标 | GPT-5.2 Chat GPT-5.2 Chat default | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| 分数 | 7.0 | 7.8 |
| 排名 | #184 | #129 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 8.7 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 68.1% |
| 不稳定测试 | 4 | 4 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 4.564 | 4.392 |
| 总成本 | $0.594 | $0.571 |
| 输入价格 | $1.750 / 1M | $0.200 / 1M |
| 输出价格 | $14.000 / 1M | $1.150 / 1M |
| 缓存读取价格 | $0.175 / 1M | $0.040 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 101,104 | 319,524 |
| 输出令牌 | 10,414 | 440,835 |
| 推理令牌 | 19,328 | 0 |
| 响应时间（平均） | 7.43s | 26.57s |
| 响应时间（最大） | 38.52s | 152.83s |
| 响应时间（总计） | 163.35s | 611.09s |
| 参数量 | ~400B 总计 (~17B 激活) | 198B 总计 (11B 激活) |
| 开放状态 | 闭源 | 开源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#184 GPT-5.2 Chat
default- 成本
- $0.010
- 时间
- 15.3s
- 令牌
- 797 tok
#129 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 tok
类别细分
| 智能体任务 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 3.0 | 10.0 | 0.0% | 0 | 955ms | 0 | 0 | 0 | |
| Step 3.7 Flash | 7.4 | 3.8 | 66.7% | 1 | 93.88s | 205,333 | 31,126 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 8.7 | 7.9 | 91.7% | 1 | 3.40s | 606 | 655 | 1,152 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 9.65s | 756 | 32,185 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 8.8 | 7.8 | 88.9% | 1 | 9.82s | 7,305 | 843 | 5,888 | |
| Step 3.7 Flash | 8.8 | 7.8 | 88.9% | 1 | 27.42s | 7,437 | 44,797 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 7.3 | 5.8 | 83.3% | 1 | 13.91s | 78,055 | 6,323 | 1,600 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 80.94s | 87,764 | 114,720 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 3.05s | 7,140 | 468 | 512 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 7,398 | 3,020 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 3.0 | 10.0 | 0.0% | 0 | 23.67s | 579 | 216 | 6,912 | |
| Step 3.7 Flash | 5.3 | 10.0 | 33.3% | 0 | 27.26s | 837 | 52,484 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 4.4 | 3.0 | 33.3% | 1 | 3.20s | 477 | 271 | 64 | |
| Step 3.7 Flash | 4.0 | 10.0 | 0.0% | 0 | 6.85s | 525 | 3,987 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 9.8 | 10.0 | 100.0% | 0 | 5.51s | 660 | 353 | 1,088 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.83s | 735 | 2,166 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 7.7 | 10.0 | 66.7% | 0 | 4.10s | 642 | 643 | 960 | |
| Step 3.7 Flash | 5.7 | 9.9 | 33.3% | 0 | 6.19s | 756 | 15,071 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 4.68s | 5,445 | 491 | 64 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 7,746 | 2,115 | 0 |
| 常识问答 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 3.0 | 10.0 | 0.0% | 0 | 6.89s | 195 | 151 | 1,088 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 113.98s | 237 | 139,164 | 0 |
快速对比
切换对比组合
Step 3.7 FlashmediumvsGLM 5.3highGemini 3.1 Flash Lite PreviewmediumvsGPT-5.2 ChatdefaultKimi K2.7 CodemediumvsGPT-5.2 ChatdefaultQwen3.7 PlusnonevsStep 3.7 FlashmediumStep 3.7 FlashmediumvsGrok 4.5lowDeepSeek V4.1 Flash 1017highvsStep 3.7 FlashmediumGPT-5.2 ChatdefaultvsMiMo-V2.5mediumLing 3.1 FlashhighvsStep 3.7 FlashmediumMuse WondermaxvsStep 3.7 FlashmediumEmber-1lowvsGPT-5.2 ChatdefaultGPT-5.2 ChatdefaultvsMiMo-V2.6-FlashlowMinimax M3.1 Flashlow免费可用vsGPT-5.2 Chatdefault