AI BENCHY
Advertise here
#34

Step 3.5 Flash

Stepfun रिलीज़: 2026-02-01 परीक्षण किया गया: 2026-04-11 00:35 stepfun/step-3.5-flash::medium
(medium) (none)

सारांश

Step 3.5 Flash AI BENCHY पर 7.9 स्कोर करता है और #34 पर है। इसकी reliability लागू नहीं, pass rate 70.6%, कुल लागत $0.000, और औसत response time 26.78s है।

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

स्कोर

7.9

संगति

9.1

विश्वसनीयता

लागू नहीं

कुल लागत (वर्तमान कीमत)

$0.000

कुल आउटपुट टोकन

227,511

कुल इनपुट टोकन

0

इनपुट कीमत

$0.100 / 1M

आउटपुट कीमत

$0.300 / 1M

सही परीक्षण

गलत टेस्ट: 6

प्रति प्रयास पास दर: 70.6%

अस्थिर टेस्ट

2

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

प्रतिक्रिया समय (औसत)

26.78s

प्रतिक्रिया समय (अधिकतम): 170.45s

प्रतिक्रिया समय (कुल): 294.58s

निर्देशों का पालन नहीं किया: 3 गलत उत्तर: 3

Hamster playing table tennis

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

#34 Step 3.5 Flash

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

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-07-16 23:25 नया टेस्ट जोड़ा गया 6.0 9.2 $0.108 ↑ तुलना करें
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 वर्तमान रन

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Step 3.5 FlashmediumvsInklinglowStep 3.5 FlashmediumvsQwen3.5-FlashnoneStep 3.5 FlashmediumvsGemini 3.1 Flash LitenoneStep 3.5 FlashmediumvsQwen3.5 Plus 2026-04-20noneStep 3.5 Flashmediumvsgpt-oss-120bmediumStep 3.5 FlashmediumvsQwen3.5-35B-A3BnoneStep 3.5 FlashmediumvsGemini 3 Flash PreviewmediumStep 3.5 FlashmediumvsGemini 3.5 FlashhighStep 3.5 FlashmediumvsNemotron 3 Ultramediumनिःशुल्क उपलब्धStep 3.5 FlashmediumvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 5.5 10.0
निर्देश पालन 8.5 6.8
पहेली समाधान 5.3 10.0
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल