#20 GPT-5.4
medium- 成本
- $0.214
- 时间
- 199.6s
- 令牌
- 14,349 tok
AI BENCHY 对比
OpenAI: GPT-5.4 vs StepFun: Step 3.7 Flash
摘要
平均分几乎持平，为 8.5 vs 8.5。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.376 vs $1.210。 Step 3.7 Flash (medium) 更快，为 20.35s vs 22.35s，通过率为 76.2% vs 73.0%。
推荐模型Step 3.7 Flash (medium)它在这里得分最高（8.5），同时成本比GPT-5.4 (medium)低约 3.2 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14
| 指标 | GPT-5.4 GPT-5.4 medium | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| 分数 | 8.5 | 8.5 |
| 排名 | #20 | #23 |
| 可靠性 | 10.0 | 9.9 |
| 一致性 | 8.6 | 9.3 |
| 测试正确 | ||
| 尝试通过率 | 76.2% | 73.0% |
| 不稳定测试 | 4 | 2 |
| 总运行次数 | 63 | 61 |
| 每个结果成本 | 8.640 | 2.686 |
| 总成本 | $1.210 | $0.376 |
| 输入价格 | $2.500 / 1M | $0.200 / 1M |
| 输出价格 | $15.000 / 1M | $1.150 / 1M |
| 总输入令牌 | 34,108 | 39,981 |
| 输出令牌 | 2,242 | 319,958 |
| 推理令牌 | 72,707 | 0 |
| 响应时间（平均） | 22.35s | 20.35s |
| 响应时间（最大） | 100.41s | 113.98s |
| 响应时间（总计） | 469.29s | 427.42s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#23 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 tok
按分数排名的模型
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
| 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-5.4 | 8.8 | 7.8 | 88.9% | 1 | 44.36s | 7,305 | 433 | 24,216 | |
| Step 3.7 Flash | 8.8 | 7.8 | 88.9% | 1 | 27.42s | 7,437 | 44,797 | 0 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGPT-5.4mediumGPT-5.6 TerrahighvsStep 3.7 FlashmediumStep 3.7 FlashmediumvsGLM 5.2highGPT-5.4mediumvsGLM 5.2highKAT-Coder-Pro V2.5lowvsStep 3.7 FlashmediumKAT-Coder-Pro V2.5lowvsGPT-5.4mediumStep 3.7 FlashmediumvsGrok 4.5lowGPT-5.4mediumvsGrok 4.5lowGemini 3.5 FlashlowvsGPT-5.4mediumClaude Opus 4.8lowvsStep 3.7 Flashmedium