- 排名
- #115
- 总输出令牌
- 4,357
- 响应时间（平均）
- 2.17s
- 总成本
- $0.524
GPT-5.6 Sol vs Step 3.7 Flash (low)
Step 3.7 Flash (low) 平均分领先，为 7.1 vs 7.0。 Step 3.7 Flash (low) benchmark 成本更低，为 $0.390 vs $0.524。 GPT-5.6 Sol 更快，为 2.17s vs 17.87s，通过率为 63.6% vs 63.6%。
- 排名
- #112
- 总输出令牌
- 320,393
- 响应时间（平均）
- 17.87s
- 总成本
- $0.390
推荐模型
GPT-5.6 Sol
它的得分接近这里的最高分（7.0 vs 7.1），同时响应速度比Step 3.7 Flash (low)快约 8.2 倍。
详细对比
| 指标 | GPT-5.6 Sol GPT-5.6 Sol none | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| 分数 | 7.0 | 7.1 |
| 排名 | #115 | #112 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.0 | 8.1 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 63.6% | 63.6% |
| 不稳定测试 | 3 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 4.365 | 3.539 |
| 总成本 | $0.524 | $0.390 |
| 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 | 78,602 | 103,842 |
| 输出令牌 | 4,357 | 320,393 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.17s | 17.87s |
| 响应时间（最大） | 12.81s | 124.75s |
| 响应时间（总计） | 47.66s | 393.04s |
| 参数量 | ~2T 总计 (~150B 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.
#115 GPT-5.6 Sol
none- 成本
- $0.116
- 时间
- 78.7s
- 令牌
- 3,944 tok
#112 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 | 8.3 | 10.0 | 75.0% | 0 | 1.27s | 606 | 154 | 0 | |
| 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 | 5.5 | 10.0 | 33.3% | 0 | 1.39s | 7,302 | 390 | 0 | |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 8.37s | 55,394 | 2,881 | 0 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 66.18s | 77,415 | 93,682 | 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 | 1.53s | 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 | 1.44s | 732 | 54 | 0 | |
| Step 3.7 Flash | 2.9 | 7.2 | 11.1% | 1 | 22.65s | 837 | 48,299 | 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 | 6.5 | 3.4 | 66.7% | 1 | 1.52s | 477 | 91 | 0 | |
| 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 | 8.5 | 6.8 | 83.3% | 1 | 1.33s | 660 | 84 | 0 | |
| 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 | 7.7 | 10.0 | 66.7% | 0 | 1.49s | 642 | 211 | 0 | |
| 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 | 3.70s | 5,454 | 246 | 0 | |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 1.95s | 195 | 24 | 0 | |
| 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 SolnonevsGrok 4.3mediumDeepSeek V3.2mediumvsGPT-5.6 SolnoneQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsSolar Pro 4highGPT-5.6 SolnonevsGLM 5.1mediumMercury 2mediumvsGPT-5.6 SolnoneMuse Glimmer 30BmediumvsStep 3.7 FlashlowGPT-5.6 SolnonevsGrok 4.20mediumGPT-5.6 SolnonevsSolar Pro 4highQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowSeed-2.0-MinimediumvsGPT-5.6 SolnoneKimi K2.5mediumvsGPT-5.6 Solnone