AI BENCHY Compare
Inception: Mercury 2 vs StepFun: Step 3.5 Flash
Bandingkan:
Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-05
| Metrik | Inception: Mercury 2 none Rilis: 2026-02-24 | StepFun: Step 3.5 Flash medium Rilis: 2026-02-01 Tersedia gratis |
|---|---|---|
| Peringkat | #50 | #13 |
| Skor Rata-rata | 31 | 74 |
| Konsistensi | 89 | 94 |
| Biaya per hasil | 0.196 | 0.000 |
| Total Biaya | $0.006 | $0.000 |
| Tes benar | ||
| Tingkat lulus per percobaan | 26.7% | 68.9% |
| Tes tidak stabil | 2 | 1 |
| Token output | 1,144 | 69,238 |
| Token penalaran | 0 | 152,563 |
Skor vs Total Biaya
Rincian Kategori
| Trik anti-AI | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 274 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 13,924 | 17,208 |
| Gabungan | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 131 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 1,176 | 12,984 |
| Parsing dan ekstraksi data | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 180 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 600 | 13,886 |
| Spesifik domain | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 40 | 72 | 44.4% | 1 | 46 | 0 | |
| StepFun: Step 3.5 Flash | 40 | 72 | 44.4% | 1 | 45,350 | 90,436 |
| Kepatuhan instruksi | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 35 | 100 | 0.0% | 0 | 82 | 0 | |
| StepFun: Step 3.5 Flash | 85 | 100 | 50.0% | 0 | 2,284 | 3,412 |
| Puzzle Solving | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 234 | 0 | |
| StepFun: Step 3.5 Flash | 40 | 100 | 33.3% | 0 | 5,629 | 10,835 |
| Pemanggilan alat | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 197 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 275 | 3,802 |
Perbandingan Cepat
Ganti Pasangan Perbandingan
Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumTersedia gratisMercury 2nonevsQwen3 Coder NextmediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumTersedia gratisGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumTersedia gratisGPT-5.2 ChatnonevsStep 3.5 FlashmediumTersedia gratisMercury 2nonevsGLM 4.7 FlashmediumGemini 3.1 Flash Lite PreviewhighvsStep 3.5 FlashmediumTersedia gratisGemini 3 Flash PreviewlowvsStep 3.5 FlashmediumTersedia gratisGemini 3 Flash PreviewnonevsStep 3.5 FlashmediumTersedia gratisClaude Sonnet 4.6nonevsStep 3.5 FlashmediumTersedia gratisQwen3.5 Plus 2026-02-15nonevsStep 3.5 FlashmediumTersedia gratisMercury 2nonevsMiniMax M2.5medium