导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.6 Luna vs StepFun: Step 3.7 Flash

摘要

GPT-5.6 Luna (high) vs Step 3.7 Flash (low) benchmark 对比：平均分几乎持平，为 7.7 vs 7.7。 Step 3.7 Flash (low) benchmark 成本更低，为 $0.341 vs $0.924。 Step 3.7 Flash (low) 更快，为 15.74s vs 18.39s，通过率为 71.4% vs 68.3%。

推荐模型: Step 3.7 Flash (low) - 它在这里得分最高（7.7），同时成本比GPT-5.6 Luna (high)低约 2.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09 Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29
分数 7.7 7.7
排名 #50 #49
可靠性 10.0 10.0
一致性 8.8 8.4
测试正确
尝试通过率 71.4% 68.3%
不稳定测试 3 4
总运行次数 63 63
每个结果成本 6.594 2.840
总成本 $0.924 $0.341
输入价格 $1.000 / 1M $0.200 / 1M
输出价格 $6.000 / 1M $1.150 / 1M
总输入令牌 35,699 40,101
输出令牌 2,079 289,325
推理令牌 145,816 0
响应时间（平均） 18.39s 15.74s
响应时间（最大） 111.09s 124.75s
响应时间（总计） 386.24s 330.63s

生成展示

Hamster playing table tennis

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

#50 GPT-5.6 Luna

high
成本
$0.033
时间
34.2s
令牌
5,484 tok

#49 Step 3.7 Flash

low
无效SVG
成本
$0.004
时间
25.3s
令牌
3,072 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-5.6 Luna 8.3 10.0 75.0% 0 2.99s 606 162 1,265
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 756 10,896 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-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 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-5.6 Luna 10.0 10.0 100.0% 0 13.29s 12,500 357 2,911
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 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-5.6 Luna 10.0 10.0 100.0% 0 2.18s 7,140 234 470
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 7,398 2,667 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-5.6 Luna 7.7 10.0 66.7% 0 78.96s 723 69 96,395
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 828 104,487 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-5.6 Luna 5.0 10.0 0.0% 0 3.65s 477 117 563
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 525 4,604 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-5.6 Luna 9.9 10.0 100.0% 0 1.79s 660 97 481
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 735 1,857 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-5.6 Luna 7.6 7.2 77.8% 1 14.55s 642 242 18,281
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 756 3,564 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-5.6 Luna 10.0 10.0 100.0% 0 4.98s 5,454 260 324
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 7,746 1,360 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-5.6 Luna 3.0 10.0 0.0% 0 17.00s 195 31 7,380
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

快速对比

切换对比组合

Claude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsGPT-5.6 LunahighStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.6 LunahighvsGrok 4.3mediumClaude Opus 4.8lowvsGPT-5.6 LunahighQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6medium免费可用vsStep 3.7 FlashlowKimi K2.6medium免费可用vsGPT-5.6 LunahighGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsGPT-5.6 LunahighQwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow