AI BENCHY Compare
Google: Gemini 3.1 Pro Preview vs StepFun: Step 3.5 Flash
তুলনা করুন:
AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-03-06
| মেট্রিক | Google: Gemini 3.1 Pro Preview medium প্রকাশ: 2026-02-19 | StepFun: Step 3.5 Flash medium প্রকাশ: 2026-02-01 বিনামূল্যে উপলভ্য |
|---|---|---|
| র্যাঙ্ক | #2 | #13 |
| গড় স্কোর | 9.4 | 7.4 |
| ধারাবাহিকতা | 10.0 | 9.1 |
| প্রতি ফলাফলে খরচ | 3.417 | 0.000 |
| মোট খরচ | $0.513 | $0.000 |
| সঠিক টেস্ট | ||
| প্রতি চেষ্টায় পাস রেট | 93.8% | 68.8% |
| অস্থির টেস্ট | 0 | 2 |
| মোট রান | 48 (16 x 3) | 48 (16 x 3) |
| আউটপুট টোকেন | 1,521 | 71,452 |
| রিজনিং টোকেন | 35,656 | 155,147 |
| প্রতিক্রিয়া সময় (গড়) | 16.60s | 29.10s |
| প্রতিক্রিয়া সময় (সর্বোচ্চ) | 40.61s | 170.45s |
| প্রতিক্রিয়া সময় (মোট) | 149.36s | 290.96s |
স্কোর বনাম মোট খরচ
প্রতিক্রিয়া সময় (গড়)
গড় স্কোর vs প্রতিক্রিয়া সময় (গড়)
বিভাগভিত্তিক বিশ্লেষণ
| অ্যান্টি-এআই কৌশল | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 9.52s | 106 | 2,533 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 18.54s | 13,924 | 17,208 |
| সমন্বিত | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 9.0 | 10.0 | 100.0% | 0 | 40.61s | 432 | 9,281 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 1,176 | 12,984 |
| ডেটা পার্সিং ও নিষ্কাশন | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 9.9 | 10.0 | 100.0% | 0 | 7.72s | 279 | 3,904 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 600 | 13,886 |
| ডোমেইন-নির্দিষ্ট | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 7.0 | 10.0 | 66.7% | 0 | 32.73s | 18 | 12,424 | |
| StepFun: Step 3.5 Flash | 4.0 | 7.2 | 44.4% | 1 | 170.45s | 45,350 | 90,436 |
| Sadharon Buddhimotta | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 11.77s | 108 | 1,179 | |
| StepFun: Step 3.5 Flash | 6.0 | 10.0 | 0.0% | 0 | 6.54s | 2,214 | 2,584 |
| নির্দেশনা অনুসরণ | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 72 | 2,236 | |
| StepFun: Step 3.5 Flash | 9.0 | 6.8 | 83.3% | 1 | 4.98s | 2,284 | 3,412 |
| Puzzle Solving | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.15s | 232 | 3,117 | |
| StepFun: Step 3.5 Flash | 4.0 | 10.0 | 33.3% | 0 | 7.72s | 5,629 | 10,835 |
| টুল কলিং | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 23.15s | 274 | 982 | |
| StepFun: Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 275 | 3,802 |
দ্রুত তুলনা
তুলনার জুটি বদলান
GPT-5.2 ChatnonevsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যGemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যGPT-5.3 ChatnonevsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যGemini 3 Flash PreviewnonevsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যClaude Sonnet 4.6nonevsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যGemini 3.1 Flash Lite PreviewhighvsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যGemini 3 Flash PreviewlowvsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যQwen3.5 Plus 2026-02-15nonevsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যStep 3.5 Flashmediumবিনামূল্যে উপলভ্যvsGLM 5noneDeepSeek V3.2nonevsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যGemini 3.1 Pro PreviewmediumvsGPT-5.2 Chatnone