AI BENCHY
Advertise here
#32

Step 3.7 Flash

Stepfun रिलीज़: 2026-05-29 परीक्षण किया गया: 2026-05-29 11:49 stepfun/step-3.7-flash::medium
(high) (medium) (low)

सारांश

Step 3.7 Flash AI BENCHY पर 7.9 स्कोर करता है और #32 पर है। इसकी reliability 9.9, pass rate 71.7%, कुल लागत $0.404, और औसत response time 20.29s है।

Step 3.7 Flash को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #16 पर है।

स्कोर

7.9

संगति

9.2

विश्वसनीयता

9.9

कुल लागत (वर्तमान कीमत)

$0.404

कुल आउटपुट टोकन

344,492

कुल इनपुट टोकन

0

इनपुट कीमत

$0.200 / 1M

आउटपुट कीमत

$1.150 / 1M

सही परीक्षण

गलत टेस्ट: 7

प्रति प्रयास पास दर: 71.7%

अस्थिर टेस्ट

2

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

प्रतिक्रिया समय (औसत)

20.29s

प्रतिक्रिया समय (अधिकतम): 136.44s

प्रतिक्रिया समय (कुल): 405.79s

गलत उत्तर: 5 निर्देशों का पालन नहीं किया: 1 कोई उत्तर नहीं: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#32 Step 3.7 Flash

medium
लागत
$0.006
समय
46.2s
टोकन
4,466 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 13:52 नया टेस्ट जोड़ा गया 8.0 9.9 $0.376 तुलना करें
2026-05-29 11:49 पहला रन 7.9 9.9 $0.404 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 3.7 FlashmediumvsGPT-5.2 ChatnoneStep 3.7 FlashmediumvsSeed-2.0-LitemediumStep 3.7 FlashmediumvsGPT-5.2mediumStep 3.7 FlashmediumvsGPT-5.4mediumStep 3.7 FlashmediumvsGrok 4.5mediumStep 3.7 FlashmediumvsGemini 3.5 FlashhighStep 3.7 FlashmediumvsGemini 3 Flash PreviewmediumStep 3.7 FlashmediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धStep 3.7 FlashmediumvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 8.7 7.9
कोडिंग 8.2 6.7
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 7.7 10.0
Samanya Buddhimatta 4.0 10.0
निर्देश पालन 9.8 10.0
पहेली समाधान 5.7 9.9
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल