तुलना करें चार्ट

भाषा:

❤️ Made by XCS

AI BENCHY तुलना

Anthropic: Claude Opus 4.6 vs StepFun: Step 3.5 Flash

मॉडल नाम:

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए: : 2026-02-27 15:16

सारांश

मेट्रिक	Anthropic: Claude Opus 4.6 medium रिलीज़: रिलीज़ तिथि अज्ञात	StepFun: Step 3.5 Flash medium रिलीज़: रिलीज़ तिथि अज्ञात निःशुल्क उपलब्ध
रैंक	#20	#11
स्कोर	6.07	7.00
संगति	8.80	8.32
प्रति परिणाम लागत	10.992	0.000
कुल लागत	$0.880	$0.000
सही परीक्षण
गलत टेस्ट	6	5
प्रति प्रयास पास दर	61.9%	73.8%
अस्थिर टेस्ट	2	3
आउटपुट टोकन	19,576	60,502
रीजनिंग टोकन	11,081	117,044

श्रेणी विवरण

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	4.00	4.41	55.6%	2		897	1,000
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		13,924	17,208

डेटा पार्सिंग और निष्कर्षण	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	10.00	10.00	100.0%	0		668	763
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		535	11,548

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	1.00	10.00	0.0%	0		16,328	7,928
StepFun: Step 3.5 Flash	4.00	7.21	44.4%	1		40,942	74,237

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	9.50	9.99	100.0%	0		266	468
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		2,121	3,274

Puzzle Solving	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	7.00	10.00	66.7%	0		556	593
StepFun: Step 3.5 Flash	2.00	4.96	33.3%	2		2,705	6,975

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
Anthropic: Claude Opus 4.6	10.00	10.00	100.0%	0		861	329
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		275	3,802

तुलना जोड़ी बदलें

Anthropic: Claude Opus 4.6 की तुलना इससे करें...

StepFun: Step 3.5 Flash की तुलना इससे करें...