- 排名
- #57
- 总输出令牌
- 56,088
- 响应时间（平均）
- 11.22s
- 总成本
- $0.836
GPT-5.6 Terra (high) vs Step 3.7 Flash (medium)
平均分几乎持平，为 8.0 vs 7.9。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.495 vs $0.836。 GPT-5.6 Terra (high) 更快，为 11.22s vs 23.51s，通过率为 68.2% vs 68.2%。
- 排名
- #60
- 总输出令牌
- 409,709
- 响应时间（平均）
- 23.51s
- 总成本
- $0.495
推荐模型
GPT-5.6 Terra (high)
它在这里得分最高（8.0），同时响应速度比Step 3.7 Flash (medium)快约 2.1 倍。
详细对比
| 指标 | GPT-5.6 Terra GPT-5.6 Terra high | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| 分数 | 8.0 | 7.9 |
| 排名 | #57 | #60 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.3 | 8.9 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 68.2% | 68.2% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 7.293 | 3.801 |
| 总成本 | $0.836 | $0.495 |
| 输入价格 | $2.000 / 1M | $0.200 / 1M |
| 输出价格 | $12.000 / 1M | $1.150 / 1M |
| 总输入令牌 | 81,056 | 114,191 |
| 输出令牌 | 5,055 | 409,709 |
| 推理令牌 | 51,033 | 0 |
| 响应时间（平均） | 11.22s | 23.51s |
| 响应时间（最大） | 91.49s | 152.83s |
| 响应时间（总计） | 246.77s | 517.21s |
| 参数量 | ~1T 总计 (~60B 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.
#57 GPT-5.6 Terra
high- 成本
- $0.055
- 时间
- 30.2s
- 令牌
- 3,748 tok
#60 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 | 8.7 | 6.9 | 83.3% | 1 | 13.72s | 57,848 | 3,461 | 3,174 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 80.94s | 87,764 | 114,720 | 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 | 42.65s | 732 | 70 | 32,239 | |
| Step 3.7 Flash | 5.3 | 10.0 | 33.3% | 0 | 27.26s | 837 | 52,484 | 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 TerrahighvsInklingmediumKimi K3maxvsStep 3.7 FlashmediumQwen3.8 27BlowvsStep 3.7 FlashmediumKimi K3maxvsGPT-5.6 TerrahighGPT-5.6 TerrahighvsQwen3.8 27BlowDeepSeek V4 Flash 0731lowvsGPT-5.6 TerrahighStep 3.7 FlashmediumvsGLM 5.2highGPT-5.6 TerrahighvsQwen3.7 PlusmediumDeepSeek V4 Flash 0731highvsStep 3.7 FlashmediumDeepSeek V4 Flash 0731lowvsStep 3.7 FlashmediumGPT-5.6 TerrahighvsQwen3.6 Plusmedium