#122

Step 3.5 Flash

Stepfun रिलीज़: 2026-02-01 परीक्षण किया गया: 2026-07-16 23:25 stepfun/step-3.5-flash::medium

196B कुल (11B सक्रिय)MoEमुक्त स्रोत

(medium) (none)

सारांश

Step 3.5 Flash AI BENCHY पर 6.0 स्कोर करता है और #122 पर है। इसकी reliability 9.2, pass rate 51.5%, कुल लागत $0.108, और औसत response time 174.22s है।

Step 3.5 Flash को अलग क्या बनाता है: यह डेटा पार्सिंग और निष्कर्षण में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित

पैरामीटर: 196B कुल (11B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: मुक्त स्रोत
लाइसेंस: Apache-2.0

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

6.0

संगति

9.0

विश्वसनीयता

9.2

कुल लागत (वर्तमान कीमत)

$0.108 ↑ +80.5%

परीक्षण के समय: $0.060

कुल आउटपुट टोकन

402,554

कुल इनपुट टोकन

65,707

इनपुट कीमत

$0.100 / 1M

आउटपुट कीमत

$0.300 / 1M

कैश पढ़ने की कीमत

लागू नहीं

कैश लिखने की कीमत

लागू नहीं

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

सही परीक्षण

गलत टेस्ट: 10

प्रति प्रयास पास दर: 51.5%

अस्थिर टेस्ट

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

174.22s

प्रतिक्रिया समय (अधिकतम): 1597.85s

प्रतिक्रिया समय (कुल): 2613.32s

गलत उत्तर: 4 निर्देशों का पालन नहीं किया: 3 API त्रुटि: 1 कोई उत्तर नहीं: 1 समय समाप्त: 1

Hamster playing table tennis

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

#122 Step 3.5 Flash

medium

लागत: $0.008
समय: 277.1s
टोकन: 23,695 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-08-14 02:50 दोबारा परीक्षण	5.9	10.0	$0.132 ↑	तुलना करें
2026-07-16 23:25 नया टेस्ट जोड़ा गया	6.0	9.2	$0.108 ↑	वर्तमान रन
2026-06-04 14:12 नया टेस्ट जोड़ा गया	7.2	8.9	$0.070 ↑	तुलना करें
2026-05-22 00:30 सूट बदला गया	7.4	9.3	$0.015	तुलना करें
2026-05-08 15:30 सूट बदला गया	7.6	10.0	$0.011	तुलना करें
2026-04-11 00:35 पहला दर्ज रन	7.9	लागू नहीं	$0.000	तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

रन तुलना

रन	बेंचमार्क कवरेज	स्कोर	संगति	विश्वसनीयता	सही परीक्षण	अस्थिर टेस्ट	कुल आउटपुट टोकन	कुल इनपुट टोकन	कुल लागत	प्रतिक्रिया समय (औसत)
2026-07-16 23:25 · नया टेस्ट जोड़ा गया	63/63 प्रयास	6.0	9.0	9.2	11/21	1	402,554	65,707	$0.108	174.22s
2026-08-14 02:50 · दोबारा परीक्षण	63/63 प्रयास	5.9	8.6	10.0	10/21	2	568,536	65,716	$0.132	191.63s
अंतर	—	+0.1	+0.4	-0.8	+1	-1	-165982	-9	-$0.025	-17408ms

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख	इनपुट कीमत	आउटपुट कीमत	कैश पढ़ने की कीमत	कैश लिखने की कीमत
2026-06-04 15:40	$0.090 / 1M	$0.300 / 1M	लागू नहीं	लागू नहीं
2026-06-30 21:25	$0.100 / 1M	$0.300 / 1M	लागू नहीं	लागू नहीं

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी	स्कोर	संगति
एंटी-एआई ट्रिक्स	10.0	10.0
कोडिंग	2.4	5.2
संयुक्त	6.5	10.0
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	5.3	7.2
Samanya Buddhimatta	5.5	10.0
निर्देश पालन	8.3	10.0
पहेली समाधान	5.3	10.0
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Step 3.5 Flash

मॉडल विवरण

Hamster playing table tennis

#122 Step 3.5 Flash

चार्ट

स्कोर के अनुसार शीर्ष मॉडल

स्कोर vs कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

तुलना किए गए मॉडल