AI BENCHY तुलना
Inception: Mercury 2 vs StepFun: Step 3.5 Flash
तुलना करें:
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-03-05
| मेट्रिक | Inception: Mercury 2 none रिलीज़: 2026-02-24 | StepFun: Step 3.5 Flash medium रिलीज़: 2026-02-01 निःशुल्क उपलब्ध |
|---|---|---|
| रैंक | #50 | #16 |
| औसत स्कोर | 34 | 75 |
| संगति | 89 | 90 |
| प्रति परिणाम लागत | 0.147 | 0.000 |
| कुल लागत | $0.006 | $0.000 |
| सही परीक्षण | ||
| प्रति प्रयास पास दर | 33.3% | 73.3% |
| अस्थिर टेस्ट | 2 | 2 |
| आउटपुट टोकन | 1,144 | 69,238 |
| रीजनिंग टोकन | 0 | 152,563 |
स्कोर बनाम कुल लागत
श्रेणी विवरण
| एंटी-एआई ट्रिक्स | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 274 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 13,924 | 17,208 |
| संयुक्त | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 131 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 1,176 | 12,984 |
| डेटा पार्सिंग और निष्कर्षण | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 180 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 600 | 13,886 |
| डोमेन-विशिष्ट | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 40 | 72 | 44.4% | 1 | 46 | 0 | |
| StepFun: Step 3.5 Flash | 40 | 72 | 44.4% | 1 | 45,350 | 90,436 |
| निर्देश पालन | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 100 | 50.0% | 0 | 82 | 0 | |
| StepFun: Step 3.5 Flash | 90 | 68 | 83.3% | 1 | 2,284 | 3,412 |
| Puzzle Solving | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 234 | 0 | |
| StepFun: Step 3.5 Flash | 40 | 100 | 33.3% | 0 | 5,629 | 10,835 |
| टूल कॉलिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 197 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 275 | 3,802 |
त्वरित तुलना
तुलना जोड़ी बदलें
GPT-5.3 ChatnonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धMercury 2nonevsQwen3 Coder NextmediumMercury 2nonevsGLM 4.7 FlashmediumGemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmediumनिःशुल्क उपलब्धGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धGPT-5.2 ChatnonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धGemini 3 Flash PreviewnonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धGemini 3.1 Flash Lite PreviewhighvsStep 3.5 Flashmediumनिःशुल्क उपलब्धGemini 3 Flash PreviewlowvsStep 3.5 Flashmediumनिःशुल्क उपलब्धClaude Sonnet 4.6nonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धQwen3.5 Plus 2026-02-15nonevsStep 3.5 Flashmediumनिःशुल्क उपलब्धMercury 2nonevsMiniMax M2.5medium