Navigasi
AI BENCHY
Bandingkan Grafik Metodologi
❤️ Made by XCS
Your ad here

AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs StepFun: Step 3.5 Flash

Bandingkan:

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-06

Metrik Anthropic: Claude Sonnet 4.6 medium Rilis: 2026-02-17 StepFun: Step 3.5 Flash medium Rilis: 2026-02-01 Tersedia gratis
Peringkat #11 #13
Skor Rata-rata 7.7 7.4
Konsistensi 9.5 9.1
Biaya per hasil 8.525 0.000
Total Biaya $1.023 $0.000
Tes benar
Tingkat lulus per percobaan 77.1% 68.8%
Tes tidak stabil 1 2
Total Run 48 (16 x 3) 48 (16 x 3)
Token output 35,159 71,452
Token penalaran 24,687 155,147
Waktu respons (rata-rata) 11.23s 29.10s
Waktu respons (maks) 46.35s 170.45s
Waktu respons (total) 89.84s 290.96s

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor Rata-rata vs Waktu respons (rata-rata)

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Anthropic: Claude Sonnet 4.6 7.0 10.0 66.7% 0 4.95s 1,031 1,093
StepFun: Step 3.5 Flash 10.0 10.0 100.0% 0 18.54s 13,924 17,208
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Anthropic: Claude Sonnet 4.6 10.0 10.0 100.0% 0 46.35s 5,871 3,962
StepFun: Step 3.5 Flash 10.0 10.0 100.0% 0 29.57s 1,176 12,984
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Anthropic: Claude Sonnet 4.6 9.9 10.0 100.0% 0 13.90s 649 742
StepFun: Step 3.5 Flash 10.0 10.0 100.0% 0 15.01s 600 13,886
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Anthropic: Claude Sonnet 4.6 10.0 7.2 11.1% 1 0ms 25,790 16,919
StepFun: Step 3.5 Flash 4.0 7.2 44.4% 1 170.45s 45,350 90,436
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Anthropic: Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.94s 256 433
StepFun: Step 3.5 Flash 6.0 10.0 0.0% 0 6.54s 2,214 2,584
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Anthropic: Claude Sonnet 4.6 10.0 10.0 100.0% 0 2.61s 318 552
StepFun: Step 3.5 Flash 9.0 6.8 83.3% 1 4.98s 2,284 3,412
Puzzle Solving Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Anthropic: Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.80s 589 635
StepFun: Step 3.5 Flash 4.0 10.0 33.3% 0 7.72s 5,629 10,835
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Anthropic: Claude Sonnet 4.6 10.0 10.0 100.0% 0 7.48s 655 351
StepFun: Step 3.5 Flash 10.0 10.0 100.0% 0 11.91s 275 3,802

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.2 ChatnonevsStep 3.5 FlashmediumTersedia gratisGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumTersedia gratisGPT-5.3 ChatnonevsStep 3.5 FlashmediumTersedia gratisGemini 3 Flash PreviewnonevsStep 3.5 FlashmediumTersedia gratisClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumTersedia gratisClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewhighClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewlowClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite Previewnone