AI BENCHY Compare

StepFun: Step 3.5 Flash vs xAI: Grok 4.20 Beta

تم إنشاء نتائج المعايير من مجموعات اختبارات AI BENCHY في: 2026-03-12

المقياس	Step 3.5 Flash Step 3.5 Flash medium الإصدار: 2026-02-01 متاح مجانًا	Grok 4.20 Beta Grok 4.20 Beta medium الإصدار: 2026-03-12

المقياس	Step 3.5 Flash Step 3.5 Flash medium الإصدار: 2026-02-01 متاح مجانًا	Grok 4.20 Beta Grok 4.20 Beta medium الإصدار: 2026-03-12
الترتيب	#14	#24
متوسط الدرجة	7.4	7.0
الاتساق	9.1	9.0
التكلفة لكل نتيجة	0.000	5.989
إجمالي التكلفة	$0.000	$0.599
اختبارات صحيحة
معدل النجاح لكل محاولة	68.8%	70.8%
اختبارات غير مستقرة	2	2
إجمالي مرات التشغيل	48	48
رموز الإخراج	71,452	1,481
رموز الاستدلال	155,147	86,628
زمن الاستجابة (المتوسط)	29.10s	8.89s
زمن الاستجابة (الحد الأقصى)	170.45s	24.21s
زمن الاستجابة (الإجمالي)	290.96s	142.18s

أفضل النماذج حسب الدرجة

الدرجة مقابل التكلفة الإجمالية

زمن الاستجابة (المتوسط)

متوسط الدرجة vs زمن الاستجابة (المتوسط)

إجمالي رموز الإخراج

متوسط الدرجة vs إجمالي رموز الإخراج

تفصيل الفئات

حيل مضادة للذكاء الاصطناعي	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Step 3.5 Flash	10.0	10.0	100.0%	0		18.54s	13,924	17,208
Grok 4.20 Beta	7.0	7.2	88.9%	1		3.19s	262	6,289

مجمّع	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	1,176	12,984
Grok 4.20 Beta	10.0	10.0	100.0%	0		20.93s	227	12,212

تحليل البيانات واستخراجها	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	600	13,886
Grok 4.20 Beta	9.9	10.0	100.0%	0		4.01s	180	5,281

خاص بالمجال	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Step 3.5 Flash	4.0	7.2	44.4%	1		170.45s	45,350	90,436
Grok 4.20 Beta	4.0	10.0	33.3%	0		21.33s	251	40,255

الذكاء العام	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Step 3.5 Flash	6.0	10.0	0.0%	0		6.54s	2,214	2,584
Grok 4.20 Beta	10.0	10.0	100.0%	0		5.78s	72	3,440

اتباع التعليمات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Step 3.5 Flash	9.0	6.8	83.3%	1		4.98s	2,284	3,412
Grok 4.20 Beta	9.0	10.0	50.0%	0		4.97s	57	7,107

Puzzle Solving	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Step 3.5 Flash	4.0	10.0	33.3%	0		7.72s	5,629	10,835
Grok 4.20 Beta	7.0	7.2	88.9%	1		3.85s	249	6,660

استدعاء الأدوات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	275	3,802
Grok 4.20 Beta	10.0	10.0	0.0%	0		12.39s	183	5,384

مقارنة سريعة

تبديل زوج المقارنة

GPT-5.2 ChatnonevsStep 3.5 Flashmediumمتاح مجانًا Gemini 3.1 Flash Lite PreviewnonevsGrok 4.20 Betamedium Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmediumمتاح مجانًا GPT-5.3 ChatnonevsStep 3.5 Flashmediumمتاح مجانًا Gemini 3 Flash PreviewnonevsGrok 4.20 Betamedium Claude Sonnet 4.6nonevsGrok 4.20 Betamedium Gemini 3 Flash PreviewnonevsStep 3.5 Flashmediumمتاح مجانًا GPT-5.3 ChatnonevsGrok 4.20 Betamedium Gemini 3.1 Flash Lite PreviewlowvsGrok 4.20 Betamedium Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmediumمتاح مجانًا GPT-5.2 ChatnonevsGrok 4.20 Betamedium Claude Sonnet 4.6nonevsStep 3.5 Flashmediumمتاح مجانًا