Navegación
AI BENCHY
Comparar Gráficos
❤️ Made by XCS
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Inception: Mercury 2 vs StepFun: Step 3.5 Flash

Comparar:

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-05

Métrica Inception: Mercury 2 none Lanzamiento: 2026-02-24 StepFun: Step 3.5 Flash medium Lanzamiento: 2026-02-01 Disponible gratis
Rango #50 #13
Puntaje prom. 31 74
Consistencia 89 94
Costo por resultado 0.196 0.000
Costo total $0.006 $0.000
Pruebas correctas
Tasa de aciertos por intento 26.7% 68.9%
Pruebas inestables 2 1
Tokens de salida 1,144 69,238
Tokens de razonamiento 0 152,563

Mejores modelos por puntuación

Puntuación vs costo total

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Inception: Mercury 2 100 100 0.0% 0 274 0
StepFun: Step 3.5 Flash 100 100 100.0% 0 13,924 17,208
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Inception: Mercury 2 100 100 0.0% 0 131 0
StepFun: Step 3.5 Flash 100 100 100.0% 0 1,176 12,984
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Inception: Mercury 2 55 59 83.3% 1 180 0
StepFun: Step 3.5 Flash 100 100 100.0% 0 600 13,886
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Inception: Mercury 2 40 72 44.4% 1 46 0
StepFun: Step 3.5 Flash 40 72 44.4% 1 45,350 90,436
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
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 Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Inception: Mercury 2 100 100 0.0% 0 234 0
StepFun: Step 3.5 Flash 40 100 33.3% 0 5,629 10,835
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Inception: Mercury 2 100 100 100.0% 0 197 0
StepFun: Step 3.5 Flash 100 100 100.0% 0 275 3,802

Comparación rápida

Cambiar par de comparación