AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#288

Step 3.5 Flash

Stepfun रिलीज़: 2026-02-01 परीक्षण किया गया: 2026-05-08 15:30 stepfun/step-3.5-flash::none
196B कुल (11B सक्रिय)MoEमुक्त स्रोत
(medium) (none)

सारांश

Step 3.5 Flash AI BENCHY पर 2.3 स्कोर करता है और #288 पर है। इसकी reliability 10.0, pass rate 27.3%, कुल लागत $0.020, और औसत response time 39.03s है।

Step 3.5 Flash को अलग क्या बनाता है: इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।

संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।

मॉडल विवरण

शोध की तारीख: 2026-08-12

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

संगति

5.5

कुल आउटपुट टोकन

64,795

कुल इनपुट टोकन

1,971

इनपुट कीमत

$0.100 / 1M

आउटपुट कीमत

$0.300 / 1M

सही परीक्षण

गलत टेस्ट: 6

प्रति प्रयास पास दर: 27.3%

अस्थिर टेस्ट

0

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

प्रतिक्रिया समय (औसत)

39.03s

प्रतिक्रिया समय (अधिकतम): 114.12s

प्रतिक्रिया समय (कुल): 312.26s

Hamster playing table tennis

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

#288 Step 3.5 Flash

none
लागत
$0.005
समय
156.3s
टोकन
13,887 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-05-08 15:30 नया टेस्ट जोड़ा गया 2.3 10.0 $0.020 वर्तमान रन
2026-04-11 01:44 पहला दर्ज रन 3.0 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।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-06-04 15:40 $0.090 / 1M $0.300 / 1M
2026-06-30 21:25 $0.100 / 1M $0.300 / 1M

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 9.8 3.3
संयुक्त 1.5 5.0
डेटा पार्सिंग और निष्कर्षण 1.5 5.0
डोमेन-विशिष्ट 3.3 3.3
Samanya Buddhimatta 4.0 10.0
निर्देश पालन 5.0 5.0
पहेली समाधान 0.0 0.0
टूल कॉलिंग 3.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल