AI BENCHY Compare
Inception: Mercury 2 vs StepFun: Step 3.5 Flash
قارن:
تم إنشاء نتائج المعايير من مجموعات اختبارات AI BENCHY في: 2026-03-05
| المقياس | Inception: Mercury 2 medium الإصدار: 2026-02-24 | StepFun: Step 3.5 Flash medium الإصدار: 2026-02-01 متاح مجانًا |
|---|---|---|
| الترتيب | #35 | #16 |
| متوسط الدرجة | 54 | 75 |
| الاتساق | 83 | 90 |
| التكلفة لكل نتيجة | 0.622 | 0.000 |
| إجمالي التكلفة | $0.044 | $0.000 |
| اختبارات صحيحة | ||
| معدل النجاح لكل محاولة | 57.8% | 73.3% |
| اختبارات غير مستقرة | 3 | 2 |
| رموز الإخراج | 3,571 | 69,238 |
| رموز الاستدلال | 45,379 | 152,563 |
الدرجة مقابل التكلفة الإجمالية
تفصيل الفئات
| حيل مضادة للذكاء الاصطناعي | النتيجة | الاتساق | معدل النجاح لكل محاولة | اختبارات غير مستقرة | اختبارات صحيحة | رموز الإخراج | رموز الاستدلال |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 73 | 98 | 66.7% | 0 | 2,531 | 2,410 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 13,924 | 17,208 |
| مجمّع | النتيجة | الاتساق | معدل النجاح لكل محاولة | اختبارات غير مستقرة | اختبارات صحيحة | رموز الإخراج | رموز الاستدلال |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 268 | 4,887 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 1,176 | 12,984 |
| تحليل البيانات واستخراجها | النتيجة | الاتساق | معدل النجاح لكل محاولة | اختبارات غير مستقرة | اختبارات صحيحة | رموز الإخراج | رموز الاستدلال |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 183 | 1,656 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 600 | 13,886 |
| خاص بالمجال | النتيجة | الاتساق | معدل النجاح لكل محاولة | اختبارات غير مستقرة | اختبارات صحيحة | رموز الإخراج | رموز الاستدلال |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 72 | 11.1% | 1 | 41 | 30,754 | |
| StepFun: Step 3.5 Flash | 40 | 72 | 44.4% | 1 | 45,350 | 90,436 |
| اتباع التعليمات | النتيجة | الاتساق | معدل النجاح لكل محاولة | اختبارات غير مستقرة | اختبارات صحيحة | رموز الإخراج | رموز الاستدلال |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 14 | 958 | |
| StepFun: Step 3.5 Flash | 90 | 68 | 83.3% | 1 | 2,284 | 3,412 |
| Puzzle Solving | النتيجة | الاتساق | معدل النجاح لكل محاولة | اختبارات غير مستقرة | اختبارات صحيحة | رموز الإخراج | رموز الاستدلال |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 17 | 75 | 22.2% | 1 | 354 | 2,758 | |
| StepFun: Step 3.5 Flash | 40 | 100 | 33.3% | 0 | 5,629 | 10,835 |
| استدعاء الأدوات | النتيجة | الاتساق | معدل النجاح لكل محاولة | اختبارات غير مستقرة | اختبارات صحيحة | رموز الإخراج | رموز الاستدلال |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 180 | 1,956 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 275 | 3,802 |
مقارنة سريعة
تبديل زوج المقارنة
GPT-5.3 ChatnonevsStep 3.5 Flashmediumمتاح مجانًاGemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmediumمتاح مجانًاGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmediumمتاح مجانًاGemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2nonevsMercury 2mediumGPT-5.2 ChatnonevsStep 3.5 Flashmediumمتاح مجانًاMercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsGLM 5noneMercury 2mediumvsQwen3.5-FlashnoneGemini 3 Flash PreviewnonevsStep 3.5 Flashmediumمتاح مجانًاMercury 2mediumvsQwen3.5-27BnoneGemini 3.1 Flash Lite PreviewhighvsStep 3.5 Flashmediumمتاح مجانًا