导航
AI BENCHY
比较 图表
❤️ Made by XCS
Your ad here

AI BENCHY 对比

OpenAI: gpt-oss-120b vs StepFun: Step 3.5 Flash

模型名称:

基准结果生成自 AI BENCHY 测试套件，时间： : 2026-02-27 15:16

摘要

指标 OpenAI: gpt-oss-120b medium 发布日期: 发布日期未知 免费可用 StepFun: Step 3.5 Flash medium 发布日期: 发布日期未知 免费可用
排名 #25 #11
分数 5.64 7.00
一致性 7.55 8.32
每个结果成本 0.101 0.000
总成本 $0.008 $0.000
测试正确
错误测试数 7 5
尝试通过率 59.5% 73.8%
不稳定测试 4 3
输出令牌 11,407 60,502
推理令牌 26,106 117,044

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 输出令牌 推理令牌
OpenAI: gpt-oss-120b 7.00 9.81 66.7% 0 3,463 2,077
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 13,924 17,208
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 输出令牌 推理令牌
OpenAI: gpt-oss-120b 5.50 5.87 66.7% 1 241 1,114
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 535 11,548
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: gpt-oss-120b 1.00 4.41 22.2% 2 6,018 18,520
StepFun: Step 3.5 Flash 4.00 7.21 44.4% 1 40,942 74,237
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: gpt-oss-120b 10.00 10.00 100.0% 0 120 1,770
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 2,121 3,274
Puzzle Solving 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: gpt-oss-120b 5.00 7.13 44.4% 1 1,278 1,542
StepFun: Step 3.5 Flash 2.00 4.96 33.3% 2 2,705 6,975
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: gpt-oss-120b 9.00 9.97 100.0% 0 287 1,083
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 275 3,802

切换对比组合

将 OpenAI: gpt-oss-120b 与...对比

将 StepFun: Step 3.5 Flash 与...对比