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 none الإصدار: 2026-02-24 | StepFun: Step 3.5 Flash medium الإصدار: 2026-02-01 متاح مجانًا |
|---|---|---|
| الترتيب | #50 | #13 |
| متوسط الدرجة | 31 | 74 |
| الاتساق | 89 | 94 |
| التكلفة لكل نتيجة | 0.196 | 0.000 |
| إجمالي التكلفة | $0.006 | $0.000 |
| اختبارات صحيحة | ||
| معدل النجاح لكل محاولة | 26.7% | 68.9% |
| اختبارات غير مستقرة | 2 | 1 |
| رموز الإخراج | 1,144 | 69,238 |
| رموز الاستدلال | 0 | 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 | 100 | 100 | 0.0% | 0 | 274 | 0 | |
| 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 | 0.0% | 0 | 131 | 0 | |
| 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 | 180 | 0 | |
| 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 | 40 | 72 | 44.4% | 1 | 46 | 0 | |
| 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 | 35 | 100 | 0.0% | 0 | 82 | 0 | |
| StepFun: Step 3.5 Flash | 85 | 100 | 50.0% | 0 | 2,284 | 3,412 |
| Puzzle Solving | النتيجة | الاتساق | معدل النجاح لكل محاولة | اختبارات غير مستقرة | اختبارات صحيحة | رموز الإخراج | رموز الاستدلال |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 234 | 0 | |
| 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 | 197 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 275 | 3,802 |
مقارنة سريعة
تبديل زوج المقارنة
Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmediumمتاح مجانًاMercury 2nonevsQwen3 Coder NextmediumGPT-5.3 ChatnonevsStep 3.5 Flashmediumمتاح مجانًاGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmediumمتاح مجانًاGPT-5.2 ChatnonevsStep 3.5 Flashmediumمتاح مجانًاMercury 2nonevsGLM 4.7 FlashmediumGemini 3.1 Flash Lite PreviewhighvsStep 3.5 Flashmediumمتاح مجانًاGemini 3 Flash PreviewlowvsStep 3.5 Flashmediumمتاح مجانًاGemini 3 Flash PreviewnonevsStep 3.5 Flashmediumمتاح مجانًاClaude Sonnet 4.6nonevsStep 3.5 Flashmediumمتاح مجانًاQwen3.5 Plus 2026-02-15nonevsStep 3.5 Flashmediumمتاح مجانًاMercury 2nonevsMiniMax M2.5medium