导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.4 Mini vs StepFun: Step 3.7 Flash

摘要

GPT-5.4 Mini vs Step 3.7 Flash benchmark 对比：Step 3.7 Flash 平均分领先，为 8.5 vs 8.0。 Step 3.7 Flash benchmark 成本更低，为 $0.376 vs $0.526。 Step 3.7 Flash 更快，为 20.35s vs 22.34s，通过率为 73.0% vs 73.0%。

推荐模型: Step 3.7 Flash - 它在本次比较中得分最高（8.5），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17 Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29
分数 8.0 8.5
排名 #30 #23
可靠性 10.0 9.9
一致性 8.0 9.3
测试正确
尝试通过率 73.0% 73.0%
不稳定测试 5 2
总运行次数 63 61
每个结果成本 4.381 2.686
总成本 $0.526 $0.376
输入价格 $0.750 / 1M $0.200 / 1M
输出价格 $4.500 / 1M $1.150 / 1M
总输入令牌 34,116 39,981
输出令牌 2,181 319,958
推理令牌 108,937 0
响应时间（平均） 22.34s 20.35s
响应时间（最大） 138.75s 113.98s
响应时间（总计） 469.20s 427.42s

Generation showcase

Hamster playing table tennis

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

#30 GPT-5.4 Mini

medium
Cost
$0.056
Time
95.5s
Tokens
12,464 tok

#23 Step 3.7 Flash

medium
Cost
$0.006
Time
46.2s
Tokens
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

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-5.4 Mini 8.6 7.9 91.7% 1 4.05s 606 296 2,876
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-5.4 Mini 8.4 7.4 88.9% 1 57.87s 7,305 467 40,902
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-5.4 Mini 10.0 10.0 100.0% 0 17.81s 11,019 317 4,317
Step 3.7 Flash 10.0 10.0 100.0% 0 9.06s 13,683 7,106 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-5.4 Mini 10.0 10.0 100.0% 0 2.43s 7,140 234 650
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-5.4 Mini 4.1 4.4 44.5% 2 65.31s 619 60 43,286
Step 3.7 Flash 7.7 10.0 66.7% 0 48.27s 708 70,347 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-5.4 Mini 4.5 10.0 0.0% 0 3.72s 477 150 510
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-5.4 Mini 9.8 10.0 100.0% 0 2.13s 660 96 1,185
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-5.4 Mini 7.8 10.0 66.7% 0 4.37s 642 278 2,443
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-5.4 Mini 4.7 1.6 66.7% 1 9.62s 5,453 251 2,594
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-5.4 Mini 3.0 10.0 0.0% 0 30.10s 195 32 10,174
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

GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGPT-5.4 MinimediumGPT-5.4 MinimediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsGPT-5.4 MinimediumClaude Sonnet 4.6nonevsGPT-5.4 MinimediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumClaude Opus 4.8nonevsGPT-5.4 MinimediumGPT-5.4 MinimediumvsQwen3.7 PlusnoneGPT-5.5lowvsStep 3.7 FlashmediumGPT-5.4 MinimediumvsStep 3.7 FlashhighGPT-5.3 ChatnonevsStep 3.7 Flashmedium