Advertise here
#281

Step 5 Preview

Stepfun रिलीज़: 2026-10-09 परीक्षण किया गया: 2026-10-09 03:47 stepfun/step-5-preview::low
600B कुल (27B सक्रिय)MoEबंद स्रोत
(high) (medium) (low)

सारांश

Step 5 Preview AI BENCHY पर 5.6 स्कोर करता है और #281 पर है। इसकी reliability 9.7, pass rate 58.0%, कुल लागत $4.110, और औसत response time 138.27s है।

Step 5 Preview को अलग क्या बनाता है: यह निर्देश पालन में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है।

मॉडल विवरण

शोध की तारीख: 2026-10-09

घोषित
पैरामीटर
600B कुल (27B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
लाइसेंस
-
पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

5.6

संगति

7.5

विश्वसनीयता

9.7

कुल लागत (वर्तमान कीमत)

$4.110

कुल आउटपुट टोकन

1,425,268

कुल इनपुट टोकन

261,256

इनपुट कीमत

$1.000 / 1M

आउटपुट कीमत

$2.700 / 1M

कैश पढ़ने की कीमत

$0.050 / 1M

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: 13

प्रति प्रयास पास दर: 58.0%

अस्थिर टेस्ट

7

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

प्रतिक्रिया समय (औसत)

138.27s

प्रतिक्रिया समय (अधिकतम): 436.56s

प्रतिक्रिया समय (कुल): 3180.10s

कोई उत्तर नहीं: 7 API त्रुटि: 2 गलत उत्तर: 2 निर्देशों का पालन नहीं किया: 1 अमान्य टूल कॉल: 1

Hamster playing table tennis

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

#281 Step 5 Preview

low
लागत
$0.051
समय
125.6s
टोकन
18,795 tok

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 5 PreviewlowvsSolar Pro 4noneStep 5 PreviewlowvsGLM 5noneStep 5 PreviewlowvsGPT-5.4noneStep 5 PreviewlowvsQwen3.5-35B-A3BnoneStep 5 PreviewlowvsSpace Bunny AlphalowStep 5 PreviewlowvsNemotron 3 Supermediumनिःशुल्क उपलब्धStep 5 PreviewlowvsGemma 4 31Bnoneनिःशुल्क उपलब्धStep 5 PreviewlowvsKimi K2.6noneStep 5 PreviewlowvsDots 3 Note Previewmediumनिःशुल्क उपलब्धStep 5 PreviewlowvsLing 3.1 Flashnone

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 3.4 2.2
एंटी-एआई ट्रिक्स 6.9 7.9
कोडिंग 2.7 7.0
संयुक्त 7.3 5.8
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.6 7.2
Samanya Buddhimatta 3.5 2.2
निर्देश पालन 10.0 10.0
पहेली समाधान 7.6 7.2
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल