导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: gpt-oss-120b vs StepFun: Step 3.7 Flash

摘要

gpt-oss-120b vs Step 3.7 Flash benchmark 对比：Step 3.7 Flash 平均分领先，为 7.1 vs 6.7。 gpt-oss-120b benchmark 成本更低，为 $0.013 vs $1.148。 gpt-oss-120b 更快，为 22.28s vs 64.46s，通过率为 52.4% vs 63.5%。

推荐模型: gpt-oss-120b - 它的得分接近这里的最高分（6.7 vs 7.1），同时成本比Step 3.7 Flash低约 94.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用 Step 3.7 Flash Step 3.7 Flash high 发布日期: 2026-05-29
分数 6.7 7.1
排名 #78 #63
可靠性 10.0 10.0
一致性 8.0 8.2
测试正确
尝试通过率 52.4% 63.5%
不稳定测试 5 4
总运行次数 63 63
每个结果成本 0.141 10.434
总成本 $0.013 $1.148
输入价格 $0.039 / 1M $0.200 / 1M
输出价格 $0.180 / 1M $1.150 / 1M
总输入令牌 39,084 38,391
输出令牌 20,013 991,355
推理令牌 50,233 0
响应时间（平均） 22.28s 64.46s
响应时间（最大） 68.16s 364.99s
响应时间（总计） 311.96s 1353.57s

生成展示

Hamster playing table tennis

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

#78 gpt-oss-120b

medium
成本
$0.001
时间
26.7s
令牌
555 tok

#63 Step 3.7 Flash

high
成本
$0.007
时间
63.6s
令牌
6,030 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-oss-120b 6.7 9.9 50.0% 0 10.21s 1,314 3,518 2,177
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 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-oss-120b 5.9 7.0 55.6% 1 38.37s 7,782 3,365 11,973
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 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-oss-120b 10.0 10.0 100.0% 0 31.18s 11,535 694 5,072
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 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-oss-120b 6.4 5.9 66.7% 1 1.98s 7,476 241 1,114
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 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-oss-120b 2.9 4.4 22.2% 2 50.92s 1,266 6,784 20,606
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 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-oss-120b 4.3 10.0 0.0% 0 7.90s 659 107 387
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 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-oss-120b 9.9 10.0 100.0% 0 7.63s 1,036 126 1,799
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 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-oss-120b 5.3 7.2 44.4% 1 21.71s 1,190 1,790 2,264
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 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-oss-120b 9.8 10.0 100.0% 0 6.91s 6,514 287 1,083
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 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-oss-120b 3.0 10.0 0.0% 0 26.51s 312 3,101 3,758
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

快速对比

切换对比组合

Step 3.7 FlashhighvsGLM 5.1mediumStep 3.7 FlashhighvsGLM 5.2noneQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemma 4 26B A4Bmedium免费可用vsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighGemini 3.5 Flashminimalvsgpt-oss-120bmedium免费可用Claude Opus 4.8nonevsStep 3.7 Flashhighgpt-oss-120bmedium免费可用vsQwen3.7 MaxnoneGemini 3 Flash PreviewnonevsStep 3.7 FlashhighGemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmedium免费可用