AI BENCHY Compare
Inception: Mercury 2 vs StepFun: Step 3.5 Flash
তুলনা করুন:
AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-03-05
| মেট্রিক | Inception: Mercury 2 medium প্রকাশ: 2026-02-24 | StepFun: Step 3.5 Flash medium প্রকাশ: 2026-02-01 বিনামূল্যে উপলভ্য |
|---|---|---|
| র্যাঙ্ক | #40 | #13 |
| গড় স্কোর | 48 | 74 |
| ধারাবাহিকতা | 83 | 94 |
| প্রতি ফলাফলে খরচ | 0.726 | 0.000 |
| মোট খরচ | $0.044 | $0.000 |
| সঠিক টেস্ট | ||
| প্রতি চেষ্টায় পাস রেট | 51.1% | 68.9% |
| অস্থির টেস্ট | 3 | 1 |
| আউটপুট টোকেন | 3,571 | 69,238 |
| রিজনিং টোকেন | 45,379 | 152,563 |
স্কোর বনাম মোট খরচ
বিভাগভিত্তিক বিশ্লেষণ
| অ্যান্টি-এআই কৌশল | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| 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 |
| সমন্বিত | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| 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 |
| ডেটা পার্সিং ও নিষ্কাশন | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 183 | 1,656 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 600 | 13,886 |
| ডোমেইন-নির্দিষ্ট | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| 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 |
| নির্দেশনা অনুসরণ | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 100 | 50.0% | 0 | 14 | 958 | |
| StepFun: Step 3.5 Flash | 85 | 100 | 50.0% | 0 | 2,284 | 3,412 |
| Puzzle Solving | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| 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 |
| টুল কলিং | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 180 | 1,956 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 275 | 3,802 |
দ্রুত তুলনা
তুলনার জুটি বদলান
Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যGPT-5.3 ChatnonevsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যMercury 2mediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsQwen3.5-FlashnoneDeepSeek V3.2nonevsMercury 2mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যMercury 2mediumvsQwen3.5-27BnoneGPT-5.2 ChatnonevsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যMercury 2mediumvsQwen3.5-35B-A3BnoneGemini 2.5 FlashnonevsMercury 2mediumMercury 2mediumvsGPT-5.4noneGemini 3.1 Flash Lite PreviewhighvsStep 3.5 Flashmediumবিনামূল্যে উপলভ্য