- 排名
- #185
- 总输出令牌
- 6,197
- 响应时间（平均）
- 4.75s
- 总成本
- $1.212
GPT-5.5 vs Step 3.7 Flash (high)
GPT-5.5 平均分领先，为 6.6 vs 6.6。 GPT-5.5 benchmark 成本更低，为 $1.212 vs $1.350。 GPT-5.5 更快，为 4.75s vs 72.72s，通过率为 56.5% vs 58.0%。
已对比模型
- 排名
- #190
- 总输出令牌
- 1,100,052
- 响应时间（平均）
- 72.72s
- 总成本
- $1.350
推荐模型
GPT-5.5
它在这里得分最高（6.6），同时响应速度比Step 3.7 Flash (high)快约 15.3 倍。
详细对比
| 指标 | GPT-5.5 GPT-5.5 none | Step 3.7 Flash Step 3.7 Flash high |
|---|---|---|
| 分数 | 6.6 | 6.6 |
| 排名 | #185 | #190 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.3 | 8.5 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 56.5% | 58.0% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 10.096 | 12.267 |
| 总成本 | $1.212 | $1.350 |
| 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 | 205,108 | 421,200 |
| 输出令牌 | 6,197 | 1,100,052 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 4.75s | 72.72s |
| 响应时间（最大） | 57.53s | 364.99s |
| 响应时间（总计） | 109.31s | 1672.53s |
| 参数量 | ~1.5T 总计 (~100B 激活) | 198B 总计 (11B 激活) |
| 开放状态 | 闭源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#185 GPT-5.5
none- 成本
- $0.090
- 时间
- 54.3s
- 令牌
- 3,063 tok
#190 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
| 智能体任务 | 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 | 5.0 | 10.0 | 0.0% | 0 | 57.53s | 125,814 | 1,282 | 0 | |
| Step 3.7 Flash | 5.4 | 9.6 | 0.0% | 0 | 130.38s | 322,500 | 49,152 | 0 |
| 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 3.7 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 | 5.5 | 10.0 | 33.3% | 0 | 1.35s | 7,305 | 462 | 0 | |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 8.90s | 56,092 | 3,244 | 0 | |
| Step 3.7 Flash | 8.7 | 6.9 | 83.3% | 1 | 41.23s | 73,938 | 49,842 | 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 | 1.18s | 7,140 | 222 | 0 | |
| 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 | 10.0 | 33.3% | 0 | 1.27s | 732 | 52 | 0 | |
| Step 3.7 Flash | 3.6 | 7.2 | 22.2% | 1 | 189.35s | 792 | 429,007 | 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 | 3.41s | 477 | 124 | 0 | |
| 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 | 6.2 | 5.8 | 66.7% | 1 | 1.15s | 660 | 81 | 0 | |
| 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 | 7.7 | 10.0 | 66.7% | 0 | 1.29s | 642 | 252 | 0 | |
| 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 | 3.90s | 5,445 | 247 | 0 | |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 5.01s | 195 | 18 | 0 | |
| 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
GPT-5.5nonevsGLM 5.3 FlashlowMercury 2mediumvsStep 3.7 FlashhighKAT-Coder-Pro V2.5lowvsStep 3.7 FlashhighLongCat 2.0lowvsStep 3.7 FlashhighGPT-5.5nonevsQwen3.7 FlashmediumEmber-1maxvsGPT-5.5noneMiniMax M3mediumvsGPT-5.5noneQwen3.7 FlashmediumvsStep 3.7 FlashhighGPT-5.5nonevsGrok 4.7highLongCat 2.0lowvsGPT-5.5noneGPT-5.5nonevsSolar Pro 4lowClaude Sonnet 5.5mediumvsStep 3.7 Flashhigh