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

AI BENCHY 对比

OpenAI: GPT-5.3-Codex 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-5.3-Codex medium 发布日期: 发布日期未知 StepFun: Step 3.5 Flash medium 发布日期: 发布日期未知 免费可用
排名 #7 #11
分数 7.93 7.00
一致性 8.84 8.32
每个结果成本 4.641 0.000
总成本 $0.465 $0.000
测试正确
错误测试数 4 5
尝试通过率 78.6% 73.8%
不稳定测试 2 3
输出令牌 1,201 60,502
推理令牌 30,056 117,044

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-5.3-Codex 10.00 10.00 100.0% 0 216 1,421
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-5.3-Codex 10.00 10.00 100.0% 0 234 735
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-5.3-Codex 4.00 7.21 55.6% 1 64 25,308
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-5.3-Codex 9.00 10.00 50.0% 0 93 693
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-5.3-Codex 7.00 7.38 77.8% 1 340 1,407
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-5.3-Codex 10.00 10.00 100.0% 0 254 492
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 275 3,802

切换对比组合

将 OpenAI: GPT-5.3-Codex 与...对比

将 StepFun: Step 3.5 Flash 与...对比