- 排名
- #209
- 总输出令牌
- 8,339
- 响应时间（平均）
- 2.08s
- 总成本
- $0.397
GPT-5.4 vs Step 3.5 Flash (medium)
Step 3.5 Flash (medium) 平均分领先，为 5.9 vs 5.8。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.132 vs $0.397。 GPT-5.4 更快，为 2.08s vs 191.63s，通过率为 34.9% vs 50.0%。
- 排名
- #202
- 总输出令牌
- 568,536
- 响应时间（平均）
- 191.63s
- 总成本
- $0.132
推荐模型
GPT-5.4
它的得分接近这里的最高分（5.8 vs 5.9），同时响应速度比Step 3.5 Flash (medium)快约 92.2 倍。
详细对比
| 指标 | GPT-5.4 GPT-5.4 none | Step 3.5 Flash Step 3.5 Flash medium |
|---|---|---|
| 分数 | 5.8 | 5.9 |
| 排名 | #209 | #202 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 8.6 |
| 尝试次数 | 66/66 | 63/66 |
| 测试正确 | ||
| 尝试通过率 | 34.9% | 50.0% |
| 不稳定测试 | 2 | 2 |
| 总运行次数 | 66 | 63 |
| 每个结果成本 | 5.667 | 0.858 |
| 总成本 | $0.397 | $0.132 |
| 输入价格 | $2.500 / 1M | $0.100 / 1M |
| 输出价格 | $15.000 / 1M | $0.300 / 1M |
| 总输入令牌 | 108,641 | 65,716 |
| 输出令牌 | 8,339 | 189,424 |
| 推理令牌 | 0 | 379,112 |
| 响应时间（平均） | 2.08s | 191.63s |
| 响应时间（最大） | 15.63s | 1597.85s |
| 响应时间（总计） | 45.75s | 3066.07s |
| 参数量 | ~1.5T 总计 (~100B 激活) | 196B 总计 (11B 激活) |
| 开放状态 | 闭源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#209 GPT-5.4
none- 成本
- $0.026
- 时间
- 18.1s
- 令牌
- 1,792 tok
#202 Step 3.5 Flash
medium- 成本
- $0.008
- 时间
- 277.1s
- 令牌
- 23,695 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 | 3.2 | 8.0 | 8.3% | 1 | 1.21s | 606 | 406 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 40.57s | 694 | 20,391 | 24,176 |
| 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 | 5.5 | 10.0 | 33.3% | 0 | 1.62s | 7,305 | 516 | 0 | |
| Step 3.5 Flash | 2.4 | 5.2 | 0.0% | 0 | 258.38s | 2,211 | 13,207 | 22,429 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 9.26s | 85,439 | 6,195 | 0 | |
| Step 3.5 Flash | 6.5 | 10.0 | 50.0% | 0 | 813.71s | 44,914 | 18,150 | 111,004 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 7,140 | 222 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 7,368 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 1.15s | 732 | 68 | 0 | |
| Step 3.5 Flash | 3.5 | 4.4 | 33.3% | 2 | 311.60s | 682 | 126,213 | 175,555 |
| 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 | 4.4 | 9.9 | 0.0% | 0 | 1.78s | 477 | 184 | 0 | |
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 22.39s | 509 | 240 | 3,506 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 1.07s | 660 | 81 | 0 | |
| Step 3.5 Flash | 8.3 | 10.0 | 50.0% | 0 | 4.78s | 705 | 2,364 | 3,521 |
| 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 | 5.6 | 9.8 | 33.3% | 0 | 1.44s | 642 | 381 | 0 | |
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.22s | 711 | 5,630 | 10,861 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 5,445 | 246 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 7,701 | 275 | 3,802 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 990ms | 195 | 40 | 0 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 108.45s | 221 | 2,354 | 10,372 |
快速对比
切换对比组合
Qwen3.5-35B-A3BnonevsStep 3.5 FlashmediumQwen3.5-FlashnonevsStep 3.5 FlashmediumGPT-5.6 TerranonevsStep 3.5 FlashmediumStep 3.5 FlashmediumvsGLM 5.3 FlashlowNorth Mini Codemedium免费可用vsGPT-5.4noneGPT-5.4 MininonevsStep 3.5 FlashmediumSeed 2.1 TurbononevsStep 3.5 FlashmediumNemotron 3 Supermedium免费可用vsGPT-5.4noneGPT-5.4nonevsInkling SmalllowGemini 2.5 FlashnonevsStep 3.5 FlashmediumGPT-5.4nonevsGLM 5.3 FlashlowTrinity Large ThinkinglowvsStep 3.5 Flashmedium