AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#74

Step 3.7 Flash

Stepfun প্রকাশ: 2026-05-29 পরীক্ষিত হয়েছে: 2026-05-29 11:53 stepfun/step-3.7-flash::high
198B মোট (11B সক্রিয়)MoEউন্মুক্ত উৎস
(high) (medium) (low)

সারাংশ

Step 3.7 Flash AI BENCHY-তে 7.1 স্কোর করে এবং #74 স্থানে আছে। এর reliability 9.9, pass rate 65.8%, মোট খরচ $0.960, এবং গড় response time 49.43s.

মডেলের তথ্য

গবেষণার তারিখ: 2026-08-12

প্রকাশিত
প্যারামিটার
198B মোট (11B সক্রিয়)
আর্কিটেকচার
MoE
উপলভ্যতা
উন্মুক্ত উৎস
লাইসেন্স
Apache-2.0

ধারাবাহিকতা

8.2

মোট আউটপুট টোকেন

828,084

মোট ইনপুট টোকেন

0

ইনপুট মূল্য

$0.200 / 1M

আউটপুট মূল্য

$1.150 / 1M

সঠিক টেস্ট

ভুল টেস্ট: 9

প্রতি চেষ্টায় পাস রেট: 65.8%

অস্থির টেস্ট

4

অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।

প্রতিক্রিয়া সময় (গড়)

49.43s

প্রতিক্রিয়া সময় (সর্বোচ্চ): 192.75s

প্রতিক্রিয়া সময় (মোট): 988.58s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#74 Step 3.7 Flash

high
খরচ
$0.007
সময়
63.6s
টোকেন
6,030 tok

রান ইতিহাস

পরীক্ষিত হয়েছে স্কোর নির্ভরযোগ্যতা সঠিক টেস্ট মোট খরচ তুলনা করুন
2026-08-14 02:45 পুনরায় পরীক্ষা 6.8 10.0 $1.229 তুলনা করুন
2026-07-16 22:46 নতুন টেস্ট যোগ হয়েছে 6.9 10.0 $1.207 তুলনা করুন
2026-06-04 14:10 নতুন টেস্ট যোগ হয়েছে 7.0 10.0 $1.148 তুলনা করুন
2026-05-29 11:53 প্রথম রান 7.1 9.9 $0.960 বর্তমান রান

চার্ট

প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

বিভাগভিত্তিক বিশ্লেষণ

বিভাগ স্কোর ধারাবাহিকতা সঠিক টেস্ট
অ্যান্টি-এআই কৌশল 10.0 10.0
কোডিং 3.6 4.6
সমন্বিত 10.0 10.0
ডেটা পার্সিং ও নিষ্কাশন 10.0 10.0
ডোমেইন-নির্দিষ্ট 4.1 4.4
Sadharon Buddhimotta 5.5 10.0
নির্দেশনা অনুসরণ 9.8 10.0
ধাঁধা সমাধান 5.3 7.2
টুল কলিং 10.0 10.0
সাধারণ জ্ঞান 3.0 10.0

তুলনা করা মডেল