导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.5 vs StepFun: Step 3.7 Flash

摘要

GPT-5.5 vs Step 3.7 Flash benchmark 对比：GPT-5.5 平均分领先，为 9.0 vs 7.1。 Step 3.7 Flash benchmark 成本更低，为 $1.148 vs $3.679。 GPT-5.5 更快，为 37.98s vs 64.46s，通过率为 87.3% vs 63.5%。

推荐模型: GPT-5.5 - 它在这里得分最高（9.0），同时响应速度比Step 3.7 Flash快约 1.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24 Step 3.7 Flash Step 3.7 Flash high 发布日期: 2026-05-29
分数 9.0 7.1
排名 #9 #63
可靠性 10.0 10.0
一致性 8.9 8.2
测试正确
尝试通过率 87.3% 63.5%
不稳定测试 3 4
总运行次数 63 63
每个结果成本 21.638 10.434
总成本 $3.679 $1.148
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 34,212 38,391
输出令牌 1,985 991,355
推理令牌 114,925 0
响应时间（平均） 37.98s 64.46s
响应时间（最大） 332.10s 364.99s
响应时间（总计） 797.60s 1353.57s

生成展示

Hamster playing table tennis

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

#9 GPT-5.5

medium
成本
$0.112
时间
71.9s
令牌
3,807 tok

#63 Step 3.7 Flash

high
成本
$0.007
时间
63.6s
令牌
6,030 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 4.66s 606 250 1,335
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 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 8.8 7.8 88.9% 1 59.77s 7,305 362 24,959
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 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 19.29s 11,019 312 2,841
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 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 4.18s 7,140 234 593
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 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 7.2 44.4% 1 164.14s 723 67 79,625
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 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 4.16s 477 138 223
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 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 10.0 10.0 100.0% 0 3.36s 660 93 538
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 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 6.76s 642 241 2,225
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 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 10.57s 5,445 258 832
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 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 2.8 1.6 33.3% 1 37.86s 195 30 1,754
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

快速对比

切换对比组合

Step 3.7 FlashhighvsGLM 5.1mediumStep 3.7 FlashhighvsGLM 5.2noneQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemma 4 26B A4Bmedium免费可用vsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighGemini 3 Flash PreviewnonevsStep 3.7 FlashhighClaude Sonnet 4.6nonevsStep 3.7 FlashhighQwen3.7 MaxnonevsStep 3.7 FlashhighGemini 3.5 FlashlowvsGPT-5.5medium