导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.5 vs StepFun: Step 3.5 Flash

摘要

GPT-5.5 vs Step 3.5 Flash benchmark 对比：Step 3.5 Flash 平均分领先，为 6.6 vs 6.3。 Step 3.5 Flash benchmark 成本更低，为 $0.070 vs $0.231。 GPT-5.5 更快，为 1.89s vs 72.53s，通过率为 54.0% vs 54.0%。

推荐模型: Step 3.5 Flash - 它在这里得分最高（6.6），同时成本比GPT-5.5低约 3.3 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 none 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 6.3 6.6
排名 #90 #80
可靠性 10.0 10.0
一致性 8.8 8.9
测试正确
尝试通过率 54.0% 54.0%
不稳定测试 3 1
总运行次数 63 60
每个结果成本 2.302 0.198
总成本 $0.231 $0.070
输入价格 $5.000 / 1M $0.090 / 1M
输出价格 $30.000 / 1M $0.300 / 1M
总输入令牌 34,212 34,431
输出令牌 1,971 91,587
推理令牌 0 195,973
响应时间（平均） 1.89s 72.53s
响应时间（最大） 5.56s 453.94s
响应时间（总计） 39.64s 1015.47s

生成展示

Hamster playing table tennis

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

#90 GPT-5.5

none
成本
$0.090
时间
54.3s
令牌
3,063 tok

#80 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

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 6.9 7.9 66.7% 1 1.31s 606 213 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-5.5 5.5 10.0 33.3% 0 1.35s 7,305 462 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-5.5 3.0 10.0 0.0% 0 5.56s 11,019 300 0
Step 3.5 Flash 10.0 10.0 100.0% 0 29.57s 13,638 1,176 12,984
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 1.18s 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-5.5 2.9 7.2 11.1% 1 1.31s 723 52 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-5.5 10.0 10.0 100.0% 0 3.41s 477 124 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-5.5 6.2 5.8 66.7% 1 1.15s 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-5.5 7.7 10.0 66.7% 0 1.29s 642 252 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-5.5 10.0 10.0 100.0% 0 3.90s 5,445 247 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-5.5 3.0 10.0 0.0% 0 5.01s 195 18 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

GPT-5.5nonevsQwen3.5-35B-A3BmediumGemma 4 31Bmedium免费可用vsGPT-5.5noneNemotron 3 Supermedium免费可用vsGPT-5.5noneGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumGemini 3.1 Flash LiteminimalvsGPT-5.5noneGemini 3.1 Flash LitelowvsGPT-5.5noneGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsStep 3.5 FlashmediumGemini 3.5 FlashminimalvsStep 3.5 FlashmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.5noneQwen3.7 MaxnonevsStep 3.5 FlashmediumGemini 3 Flash PreviewnonevsStep 3.5 Flashmedium