- 排名
- #9
- 总输出令牌
- 28,418
- 响应时间（平均）
- 10.13s
- 总成本
- $1.253
GPT-5.5 (low) vs Step 3.7 Flash (medium)
GPT-5.5 (low) 平均分领先，为 9.3 vs 8.0。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.515 vs $1.253。 GPT-5.5 (low) 更快，为 10.13s vs 26.37s，通过率为 86.4% vs 72.7%。
- 排名
- #36
- 总输出令牌
- 427,572
- 响应时间（平均）
- 26.37s
- 总成本
- $0.515
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 3.7 Flash (medium)快约 2.6 倍。
详细对比
| 指标 | GPT-5.5 GPT-5.5 low | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| 分数 | 9.3 | 8.0 |
| 排名 | #9 | #36 |
| 可靠性 | 10.0 | 9.9 |
| 一致性 | 10.0 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 86.4% | 72.7% |
| 不稳定测试 | 0 | 3 |
| 总运行次数 | 66 | 64 |
| 每个结果成本 | 6.594 | 3.676 |
| 总成本 | $1.253 | $0.515 |
| 输入价格 | $5.000 / 1M | $0.200 / 1M |
| 输出价格 | $30.000 / 1M | $1.150 / 1M |
| 总输入令牌 | 80,058 | 114,062 |
| 输出令牌 | 5,378 | 427,572 |
| 推理令牌 | 23,040 | 0 |
| 响应时间（平均） | 10.13s | 26.37s |
| 响应时间（最大） | 56.19s | 152.83s |
| 响应时间（总计） | 222.82s | 580.25s |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#9 GPT-5.5
low- 成本
- $0.068
- 时间
- 37.0s
- 令牌
- 2,339 tok
#36 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 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 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 9.65s | 756 | 32,185 | 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 3.7 Flash | 8.8 | 7.8 | 88.9% | 1 | 27.42s | 7,437 | 44,797 | 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 | 13.73s | 56,868 | 3,635 | 1,297 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 80.94s | 87,764 | 114,720 | 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 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 7,398 | 3,020 | 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 3.7 Flash | 7.7 | 10.0 | 66.7% | 0 | 48.27s | 708 | 70,347 | 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 3.7 Flash | 4.0 | 10.0 | 0.0% | 0 | 6.85s | 525 | 3,987 | 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 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.83s | 735 | 2,166 | 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 3.7 Flash | 5.7 | 9.9 | 33.3% | 0 | 6.19s | 756 | 15,071 | 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 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 7,746 | 2,115 | 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 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 113.98s | 237 | 139,164 | 0 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsStep 3.7 FlashmediumStep 3.7 FlashmediumvsInklinghighGemini 3.5 Flash-LitehighvsStep 3.7 FlashmediumStep 3.7 FlashmediumvsGLM 5.2highMuse Spark 1.1highvsStep 3.7 FlashmediumKimi K3maxvsStep 3.7 FlashmediumGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGPT-5.6 TerrahighvsStep 3.7 FlashmediumClaude Opus 5highvsGPT-5.5lowClaude Opus 5mediumvsGPT-5.5lowGPT-5.5lowvsQwen3.7 MaxmediumGemini 3.5 FlashmediumvsGPT-5.5low