导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

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

摘要

GPT-5.6 Terra (high) vs Step 3.7 Flash (medium) benchmark 对比：Step 3.7 Flash (medium) 平均分领先，为 8.5 vs 8.2。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.376 vs $0.852。 GPT-5.6 Terra (high) 更快，为 10.89s vs 20.35s，通过率为 68.3% vs 73.0%。

推荐模型: Step 3.7 Flash (medium) - 它在这里得分最高（8.5），同时成本比GPT-5.6 Terra (high)低约 2.3 倍。

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

指标 GPT-5.6 Terra GPT-5.6 Terra high 发布日期: 2026-07-09 Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29
分数 8.2 8.5
排名 #29 #23
可靠性 10.0 9.9
一致性 9.6 9.3
测试正确
尝试通过率 68.3% 73.0%
不稳定测试 1 2
总运行次数 63 61
每个结果成本 6.086 2.686
总成本 $0.852 $0.376
输入价格 $2.500 / 1M $0.200 / 1M
输出价格 $15.000 / 1M $1.150 / 1M
总输入令牌 34,218 39,981
输出令牌 1,908 319,958
推理令牌 49,189 0
响应时间（平均） 10.89s 20.35s
响应时间（最大） 91.49s 113.98s
响应时间（总计） 228.65s 427.42s

生成展示

Hamster playing table tennis

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

#29 GPT-5.6 Terra

high
成本
$0.055
时间
30.2s
令牌
3,748 tok

#23 Step 3.7 Flash

medium
成本
$0.006
时间
46.2s
令牌
4,466 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 Terra 8.3 10.0 75.0% 0 2.54s 606 158 700
Step 3.7 Flash 8.7 7.9 91.7% 1 9.65s 756 32,185 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 Terra 7.6 7.2 77.8% 1 9.14s 7,302 370 6,087
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 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 Terra 10.0 10.0 100.0% 0 6.94s 11,019 314 627
Step 3.7 Flash 10.0 10.0 100.0% 0 9.06s 13,683 7,106 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 Terra 10.0 10.0 100.0% 0 938ms 7,140 222 0
Step 3.7 Flash 10.0 10.0 100.0% 0 2.75s 7,398 3,020 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 Terra 5.3 10.0 33.3% 0 43.44s 723 70 32,942
Step 3.7 Flash 7.7 10.0 66.7% 0 48.27s 708 70,347 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 Terra 5.1 10.0 0.0% 0 3.03s 477 113 216
Step 3.7 Flash 4.0 10.0 0.0% 0 6.85s 525 3,987 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 Terra 10.0 10.0 100.0% 0 2.14s 660 96 319
Step 3.7 Flash 9.8 10.0 100.0% 0 1.83s 735 2,166 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 Terra 7.7 10.0 66.7% 0 5.45s 642 277 2,613
Step 3.7 Flash 5.7 9.9 33.3% 0 6.19s 756 15,071 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 Terra 10.0 10.0 100.0% 0 4.97s 5,454 258 168
Step 3.7 Flash 10.0 10.0 100.0% 0 4.16s 7,746 2,115 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 Terra 3.0 10.0 0.0% 0 23.30s 195 30 5,517
Step 3.7 Flash 3.0 10.0 0.0% 0 113.98s 237 139,164 0

快速对比

切换对比组合

GPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.6 TerrahighvsQwen3.7 PlusmediumNemotron 3 Ultra 550b A55bmedium免费可用vsGPT-5.6 TerrahighGemini 2.5 FlashmediumvsGPT-5.6 TerrahighGPT-5.6 TerrahighvsGrok 4.5mediumGPT-5.6 TerrahighvsQwen3.5 Plus 2026-02-15mediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumGPT-5.6 TerrahighvsQwen3.5-27BmediumSeed-2.0-LitemediumvsGPT-5.6 TerrahighClaude Sonnet 5mediumvsGPT-5.6 TerrahighGPT-5.6 TerrahighvsQwen3.6 PlusmediumClaude Sonnet 4.6mediumvsGPT-5.6 Terrahigh