AI BENCHY
Advertise here
#43

Step 3.5 Flash

Stepfun Lanzamiento: 2026-02-01 Probado el: 2026-05-08 15:30 stepfun/step-3.5-flash::medium
196B en total (11B activos)MoECódigo abierto
(medium) (none)

Resumen

Step 3.5 Flash obtiene 7.6 en AI BENCHY y ocupa el puesto #43. Tiene fiabilidad 10.0, una tasa de aciertos de 66.7%, coste total de $0.011 y tiempo medio de respuesta de 41.66s.

Qué hace único a Step 3.5 Flash: Destaca más en Análisis y extracción de datos, donde ocupa #1, mientras que Seguimiento de instrucciones es su área más débil con #17. Su coste total de benchmark es inusualmente bajo para su nivel de puntuación.

Datos del modelo

Investigado el 2026-08-12

Declarado
Parámetros
196B en total (11B activos)
Arquitectura
MoE
Disponibilidad
Código abierto
Licencia
Apache-2.0
Fuente de los parámetros Fuente de disponibilidad

Puntuación

7.6

Consistencia

9.2

Fiabilidad

10.0

Costo total (precio actual)

$0.011

Total de tokens de salida

251,708

Total de tokens de entrada

0

Precio de entrada

$0.100 / 1M

Precio de salida

$0.300 / 1M

Pruebas correctas

Pruebas incorrectas: 7

Tasa de aciertos por intento: 66.7%

Pruebas inestables

2

Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).

Tiempo de respuesta (promedio)

41.66s

Tiempo de respuesta (máximo): 170.45s

Tiempo de respuesta (total): 499.91s

Respuesta incorrecta: 4 No siguió las instrucciones: 3

Hamster playing table tennis

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

#43 Step 3.5 Flash

medium
Coste
$0.008
Tiempo
277.1s
Tokens
23,695 tok

Historial de ejecuciones

Probado el Puntuación Fiabilidad Pruebas correctas Costo total Comparar
2026-08-14 02:50 Nueva prueba 5.9 10.0 $0.132 ↑ Comparar
2026-07-16 23:25 Prueba nueva añadida 6.0 9.2 $0.108 ↑ Comparar
2026-06-04 14:12 Prueba nueva añadida 7.2 8.9 $0.070 ↑ Comparar
2026-05-22 00:30 Suite modificada 7.4 9.3 $0.015 Comparar
2026-05-08 15:30 Suite modificada 7.6 10.0 $0.011 Ejecución actual
2026-04-11 00:35 Primera ejecución registrada 7.9 N/D $0.000 Comparar

Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.

Comparación de ejecuciones

EjecuciónCobertura del benchmarkPuntuaciónConsistenciaFiabilidadPruebas correctasPruebas inestablesTotal de tokens de salidaTotal de tokens de entradaCosto totalTiempo de respuesta (promedio)
2026-05-08 15:30 · Suite modificada54/54 intentos7.69.210.011/182251,7080$0.01141.66s
2026-08-14 02:50 · Nueva prueba63/63 intentos5.98.610.010/212568,53665,716$0.132191.63s
Diferencia—+1.7+0.60.0+10-316828-65716-$0.121-149970ms

La cobertura del benchmark difiere: 54/54 intentos (Objetivo: 3 repeticiones por prueba) frente a 63/63 intentos (Objetivo: 3 repeticiones por prueba). Los totales y las métricas sensibles a las repeticiones no son directamente comparables.

Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.

Gráficos

Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.

Total de tokens de salida

Puntuación vs Total de tokens de salida

Comparación rápida

Step 3.5 FlashmediumvsQwen3.5-35B-A3BnoneStep 3.5 FlashmediumvsDots 3 Note PreviewmediumDisponible gratisStep 3.5 FlashmediumvsQwen3.5-FlashnoneStep 3.5 FlashmediumvsGLM 5.3 FlashlowStep 3.5 FlashmediumvsGPT-5 NanomediumStep 3.5 FlashmediumvsGPT-5.4 MininoneStep 3.5 FlashmediumvsGPT-5.6 TerranoneStep 3.5 FlashmediumvsSeed 2.1 TurbononeStep 3.5 FlashmediumvsGemini 2.5 FlashnoneStep 3.5 FlashmediumvsGPT-5.4none

Desglose por categoría

Categoría Puntuación Consistencia Pruebas correctas
Trucos anti-IA 10.0 10.0
Combinado 10.0 10.0
Análisis y extracción de datos 10.0 10.0
Específico del dominio 5.3 7.2
Inteligencia general 5.5 10.0
Seguimiento de instrucciones 8.5 6.8
Resolución de acertijos 5.3 10.0
Llamada de herramientas 10.0 10.0
Cultura general 3.0 10.0

Modelos comparados