#26 GPT-5 Mini
medium- 成本
- $0.007
- 时间
- 42.9s
- 令牌
- 3,432 tok
OpenAI: GPT-5 Mini vs StepFun: Step 3.7 Flash
平均分几乎持平，为 8.1 vs 8.0。 GPT-5 Mini (medium) benchmark 成本更低，为 $0.237 vs $0.515。 Step 3.7 Flash (medium) 更快，为 26.37s vs 27.63s，通过率为 63.6% vs 72.7%。
推荐模型GPT-5 Mini (medium)它在这里得分最高（8.1），同时成本比Step 3.7 Flash (medium)低约 2.2 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17
| 指标 | GPT-5 Mini GPT-5 Mini medium | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| 分数 | 8.1 | 8.0 |
| 排名 | #26 | #28 |
| 可靠性 | 10.0 | 9.9 |
| 一致性 | 8.8 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 63.6% | 72.7% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 66 | 64 |
| 每个结果成本 | 1.971 | 3.676 |
| 总成本 | $0.237 | $0.515 |
| 输入价格 | $0.250 / 1M | $0.200 / 1M |
| 输出价格 | $2.000 / 1M | $1.150 / 1M |
| 总输入令牌 | 98,374 | 114,062 |
| 输出令牌 | 14,434 | 427,572 |
| 推理令牌 | 91,498 | 0 |
| 响应时间（平均） | 27.63s | 26.37s |
| 响应时间（最大） | 111.48s | 152.83s |
| 响应时间（总计） | 607.92s | 580.25s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#28 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 Mini | 7.1 | 7.6 | 66.7% | 1 | 13.86s | 606 | 1,715 | 6,378 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 27.63s | 7,302 | 658 | 17,152 | |
| 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 Mini | 7.3 | 5.8 | 83.3% | 1 | 99.82s | 75,392 | 8,387 | 35,328 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 12.58s | 7,140 | 453 | 3,200 | |
| 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 Mini | 3.6 | 7.2 | 22.2% | 1 | 44.63s | 515 | 293 | 14,016 | |
| 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 Mini | 4.5 | 10.0 | 0.0% | 0 | 13.50s | 477 | 349 | 1,856 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 11.59s | 660 | 310 | 3,968 | |
| 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 Mini | 5.6 | 9.8 | 33.3% | 0 | 15.20s | 642 | 1,622 | 6,144 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 18.64s | 5,445 | 487 | 1,600 | |
| 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 Mini | 3.0 | 10.0 | 0.0% | 0 | 9.99s | 195 | 160 | 1,856 | |
| 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 FlashmediumMuse Spark 1.1highvsGPT-5 MinimediumStep 3.7 FlashmediumvsGLM 5.2highMuse Spark 1.1highvsStep 3.7 FlashmediumGPT-5 MinimediumvsGLM 5.2highKimi K3maxvsStep 3.7 FlashmediumGPT-5.6 TerrahighvsStep 3.7 FlashmediumKimi K3maxvsGPT-5 MinimediumMuse Spark 1.1lowvsGPT-5 MinimediumMuse Spark 1.1lowvsStep 3.7 FlashmediumClaude Opus 4.8lowvsStep 3.7 FlashmediumGPT-5 MinimediumvsGrok 4.5low