#7 GPT-5.5
low- 成本
- $0.068
- 时间
- 37.0s
- 令牌
- 2,339 tok
AI BENCHY 对比
OpenAI: GPT-5.5 vs StepFun: Step 3.5 Flash
摘要
GPT-5.5 (low) vs Step 3.5 Flash benchmark 对比：GPT-5.5 (low) 平均分领先，为 9.3 vs 2.6。 Step 3.5 Flash benchmark 成本更低，为 $0.020 vs $0.907。 GPT-5.5 (low) 更快，为 9.76s vs 39.03s，通过率为 85.7% vs 28.6%。
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快约 4.0 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09
| 指标 | GPT-5.5 GPT-5.5 low | Step 3.5 Flash Step 3.5 Flash none |
|---|---|---|
| 分数 | 9.3 | 2.6 |
| 排名 | #7 | #187 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 5.7 |
| 测试正确 | ||
| 尝试通过率 | 85.7% | 28.6% |
| 不稳定测试 | 0 | 0 |
| 总运行次数 | 63 | 36 |
| 每个结果成本 | 5.035 | 0.328 |
| 总成本 | $0.907 | $0.020 |
| 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 | 34,209 | 1,971 |
| 输出令牌 | 2,046 | 64,795 |
| 推理令牌 | 22,460 | 0 |
| 响应时间（平均） | 9.76s | 39.03s |
| 响应时间（最大） | 56.19s | 114.12s |
| 响应时间（总计） | 204.92s | 312.26s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#187 Step 3.5 Flash
none- 成本
- $0.005
- 时间
- 156.3s
- 令牌
- 13,887 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.41s | 606 | 238 | 1,020 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 34.99s | 691 | 21,766 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 15.04s | 7,302 | 423 | 6,402 | |
| Step 3.5 Flash | 9.8 | 3.3 | 0.0% | 0 | 0ms | 0 | 0 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 11,019 | 303 | 717 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 7,140 | 228 | 157 | |
| Step 3.5 Flash | 1.5 | 5.0 | 0.0% | 0 | 0ms | 0 | 0 | 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-5.5 | 5.3 | 10.0 | 33.3% | 0 | 28.05s | 723 | 69 | 11,609 | |
| Step 3.5 Flash | 3.3 | 3.3 | 33.3% | 0 | 34.54s | 165 | 7,389 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 5.17s | 477 | 133 | 245 | |
| Step 3.5 Flash | 4.0 | 10.0 | 0.0% | 0 | 14.37s | 509 | 2,451 | 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-5.5 | 9.9 | 10.0 | 100.0% | 0 | 3.74s | 660 | 93 | 415 | |
| Step 3.5 Flash | 5.0 | 5.0 | 50.0% | 0 | 9.30s | 384 | 1,427 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.74s | 642 | 279 | 954 | |
| Step 3.5 Flash | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.96s | 5,445 | 250 | 101 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | 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-5.5 | 3.0 | 10.0 | 0.0% | 0 | 10.06s | 195 | 30 | 840 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 114.12s | 222 | 31,762 | 0 |
快速对比
切换对比组合
GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.5lowGPT-5.5lowvsGLM 5.2mediumGPT-5.5lowvsGLM 5mediumSeed-2.0-LitemediumvsGPT-5.5low