OpenAI: GPT-5.4 vs StepFun: Step 3.5 Flash

Step 3.5 Flash (medium) 平均分领先，为 6.0 vs 5.8。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.108 vs $0.397。 GPT-5.4 更快，为 2.07s vs 174.22s，通过率为 34.9% vs 51.5%。

推荐模型GPT-5.4它的得分接近这里的最高分（5.8 vs 6.0），同时响应速度比Step 3.5 Flash (medium)快约 84.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01

指标	GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01
分数	5.8	6.0
排名	#135	#126
可靠性	10.0	9.2
一致性	9.2	9.0
测试正确
尝试通过率	34.9%	51.5%
不稳定测试	2	1
总运行次数	66	63
每个结果成本	5.663	0.540
总成本	$0.397	$0.108
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	108,632	65,707
输出令牌	8,321	108,561
推理令牌	0	293,993
响应时间（平均）	2.07s	174.22s
响应时间（最大）	15.63s	1597.85s
响应时间（总计）	45.51s	2613.32s

Hamster playing table tennis

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

#135 GPT-5.4

none

成本: $0.026
时间: 18.1s
令牌: 1,792 tok

#126 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

类别:

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		1.07s	723	50	0
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	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

Nemotron 3 Ultranone免费可用vsStep 3.5 Flashmedium Qwen3.5-35B-A3BnonevsStep 3.5 Flashmedium Qwen3.5 Plus 2026-04-20nonevsStep 3.5 Flashmedium Qwen3.5-FlashnonevsStep 3.5 Flashmedium Qwen3.6 FlashnonevsStep 3.5 Flashmedium GPT-5.6 TerranonevsStep 3.5 Flashmedium Nemotron 3 Supermedium免费可用vsGPT-5.4none Step 3.5 FlashmediumvsInklinglow Gemini 3.1 Flash LitenonevsStep 3.5 Flashmedium North Mini Codemedium免费可用vsGPT-5.4none Gemini 3.1 Flash LiteminimalvsStep 3.5 Flashmedium Gemini 2.5 FlashnonevsStep 3.5 Flashmedium