OpenAI: GPT-5.5 vs StepFun: Step 3.5 Flash

GPT-5.5 (low) 平均分领先，为 9.3 vs 6.0。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.108 vs $1.253。 GPT-5.5 (low) 更快，为 10.13s vs 174.22s，通过率为 86.4% vs 51.5%。

推荐模型GPT-5.5 (low)它在这里得分最高（9.3），同时响应速度比Step 3.5 Flash (medium)快约 17.2 倍。

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

指标	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01

指标	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01
分数	9.3	6.0
排名	#6	#126
可靠性	10.0	9.2
一致性	10.0	9.0
测试正确
尝试通过率	86.4%	51.5%
不稳定测试	0	1
总运行次数	66	63
每个结果成本	6.594	0.540
总成本	$1.253	$0.108
输入价格	$5.000 / 1M	$0.100 / 1M
输出价格	$30.000 / 1M	$0.300 / 1M
总输入令牌	80,058	65,707
输出令牌	5,378	108,561
推理令牌	23,040	293,993
响应时间（平均）	10.13s	174.22s
响应时间（最大）	56.19s	1597.85s
响应时间（总计）	222.82s	2613.32s

Hamster playing table tennis

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

#6 GPT-5.5

low

成本: $0.068
时间: 37.0s
令牌: 2,339 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-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020
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-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402
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-5.5	10.0	10.0	100.0%	0		13.73s	56,868	3,635	1,297
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-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157
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-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609
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-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245
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-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415
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-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954
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-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101
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-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840
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