AI BENCHY 对比
OpenAI: GPT-5.4 Nano vs StepFun: Step 3.5 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-17
| 指标 | GPT-5.4 Nano GPT-5.4 Nano medium | Step 3.5 Flash Step 3.5 Flash medium 免费可用 |
|---|---|---|
| 排名 | #28 | #22 |
| 分数 | 7.4 | 7.9 |
| 一致性 | 9.0 | 9.1 |
| 每个结果成本 | 0.769 | 0.000 |
| 总成本 | $0.077 | $0.000 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 70.6% |
| 不稳定测试 | 2 | 2 |
| 总运行次数 | 51 | 49 |
| 输出令牌 | 2,474 | 71,904 |
| 推理令牌 | 54,516 | 155,607 |
| 响应时间（平均） | 11.08s | 26.78s |
| 响应时间（最大） | 94.06s | 170.45s |
| 响应时间（总计） | 188.39s | 294.58s |
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-5.4 Nano | 8.3 | 10.0 | 75.0% | 0 | 4.52s | 683 | 2,254 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 13.56s | 14,376 | 17,668 |
| 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-5.4 Nano | 9.8 | 10.0 | 100.0% | 0 | 24.13s | 349 | 5,719 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 1,176 | 12,984 |
| 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-5.4 Nano | 10.0 | 10.0 | 100.0% | 0 | 2.54s | 234 | 516 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 600 | 13,886 |
| 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-5.4 Nano | 5.9 | 7.2 | 55.6% | 1 | 38.18s | 60 | 43,325 | |
| Step 3.5 Flash | 5.3 | 7.2 | 44.4% | 1 | 170.45s | 45,350 | 90,436 |
| 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-5.4 Nano | 4.5 | 10.0 | 0.0% | 0 | 4.15s | 179 | 443 | |
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 6.54s | 2,214 | 2,584 |
| 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-5.4 Nano | 9.8 | 10.0 | 100.0% | 0 | 1.88s | 95 | 521 | |
| Step 3.5 Flash | 8.5 | 6.8 | 83.3% | 1 | 4.98s | 2,284 | 3,412 |
| Puzzle Solving | 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-5.4 Nano | 4.0 | 7.1 | 22.2% | 1 | 3.65s | 640 | 1,356 | |
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.72s | 5,629 | 10,835 |
| 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-5.4 Nano | 10.0 | 10.0 | 100.0% | 0 | 7.71s | 234 | 382 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 275 | 3,802 |
快速对比
切换对比组合
Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium免费可用GPT-5.2 ChatnonevsStep 3.5 Flashmedium免费可用Gemini 3 Flash PreviewnonevsStep 3.5 Flashmedium免费可用Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmedium免费可用Claude Sonnet 4.6nonevsGPT-5.4 NanomediumGPT-5.3 ChatnonevsStep 3.5 Flashmedium免费可用Gemini 3.1 Flash Lite PreviewnonevsGPT-5.4 NanomediumGemini 3 Flash PreviewnonevsGPT-5.4 NanomediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4 NanomediumClaude Sonnet 4.6nonevsStep 3.5 Flashmedium免费可用GPT-5.4 NanomediumvsQwen3.5 Plus 2026-02-15noneGPT-5.4 NanomediumvsGLM 5none