#5 GPT-5.6 Sol
medium- 成本
- $0.124
- 时间
- 57.2s
- 令牌
- 4,199 tok
AI BENCHY 对比
OpenAI: GPT-5.6 Sol vs StepFun: Step 3.7 Flash
摘要
GPT-5.6 Sol (medium) vs Step 3.7 Flash (low) benchmark 对比：GPT-5.6 Sol (medium) 平均分领先，为 9.4 vs 7.7。 Step 3.7 Flash (low) benchmark 成本更低，为 $0.341 vs $0.966。 GPT-5.6 Sol (medium) 更快，为 10.79s vs 15.74s，通过率为 90.5% vs 68.3%。
推荐模型: GPT-5.6 Sol (medium) - 它在本次比较中得分最高（9.4），并且在全部 2 个模型中兼顾成本和响应时间最好。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09
| 指标 | GPT-5.6 Sol GPT-5.6 Sol medium | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| 分数 | 9.4 | 7.7 |
| 排名 | #5 | #49 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.8 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 90.5% | 68.3% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 5.682 | 2.840 |
| 总成本 | $0.966 | $0.341 |
| 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 | 34,218 | 40,101 |
| 输出令牌 | 1,895 | 289,325 |
| 推理令牌 | 24,600 | 0 |
| 响应时间（平均） | 10.79s | 15.74s |
| 响应时间（最大） | 79.40s | 124.75s |
| 响应时间（总计） | 226.57s | 330.63s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#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 Sol | 10.0 | 10.0 | 100.0% | 0 | 2.81s | 606 | 173 | 572 | |
| 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 Sol | 10.0 | 10.0 | 100.0% | 0 | 9.40s | 7,302 | 394 | 4,706 | |
| 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 Sol | 10.0 | 10.0 | 100.0% | 0 | 12.13s | 11,019 | 318 | 1,214 | |
| 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 Sol | 10.0 | 10.0 | 100.0% | 0 | 1.38s | 7,140 | 222 | 0 | |
| 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 Sol | 5.9 | 7.2 | 55.6% | 1 | 47.86s | 723 | 71 | 16,201 | |
| 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 Sol | 10.0 | 10.0 | 100.0% | 0 | 3.48s | 477 | 99 | 214 | |
| 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 Sol | 10.0 | 10.0 | 100.0% | 0 | 2.50s | 660 | 96 | 249 | |
| 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 Sol | 8.2 | 7.2 | 88.9% | 1 | 2.98s | 642 | 228 | 566 | |
| 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 Sol | 10.0 | 10.0 | 100.0% | 0 | 6.30s | 5,454 | 264 | 361 | |
| 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 Sol | 4.7 | 1.6 | 66.7% | 1 | 4.94s | 195 | 30 | 517 | |
| 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
GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6medium免费可用vsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumGemini 3.5 FlashlowvsGPT-5.6 Solmedium