Advertise here
#319

Step 3.5 Flash

Stepfun Rilis: 2026-02-01 Diuji pada: 2026-10-01 02:07 stepfun/step-3.5-flash::medium
196B total (11B aktif)MoESumber terbuka
(medium) (none)

Ringkasan

Step 3.5 Flash mendapat skor 5.4 di AI BENCHY dan berada di peringkat #319. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 49.3%, total biaya $0.105, dan waktu respons rata-rata 190.48s.

Yang membuat Step 3.5 Flash unik: Model ini paling menonjol di Trik anti-AI, dengan peringkat #1, sementara Tugas agen adalah area terlemahnya di #13.

Fakta model

Ditelaah pada 2026-08-12

Dilaporkan
Parameter
196B total (11B aktif)
Arsitektur
MoE
Ketersediaan
Sumber terbuka
Lisensi
Apache-2.0
Sumber parameter Sumber ketersediaan

Skor

5.4

Konsistensi

8.3

Keandalan

10.0

Total biaya (harga saat ini)

$0.105

Total token output

454,482

Total token input

139,086

Harga input

$0.100 / 1M

Harga output

$0.300 / 1M

Harga baca cache

T/A

Harga tulis cache

T/A

Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.

Tes benar

Tes Salah: 12

Tingkat lulus per percobaan: 49.3%

Cakupan benchmark: 66/69 percobaan (Target: 3 pengulangan per tes)

Tes tidak stabil

3

Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).

Waktu respons (rata-rata)

190.48s

Waktu respons (maks): 1597.85s

Waktu respons (total): 3238.23s

Jawaban salah: 6 Tidak mengikuti instruksi: 3 Kesalahan API: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1

Hamster playing table tennis

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

#319 Step 3.5 Flash

medium
Biaya
$0.008
Waktu
277.1s
Token
23,695 tok

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya Bandingkan
2026-10-01 02:07 Uji ulang 5.4 10.0 $0.105 Run saat ini
2026-07-16 23:25 Tes baru ditambahkan 6.0 9.2 $0.108 ↑ Bandingkan
2026-06-04 14:12 Tes baru ditambahkan 7.2 8.9 $0.070 ↑ Bandingkan
2026-05-22 00:30 Suite berubah 7.4 9.3 $0.015 Bandingkan
2026-05-08 15:30 Suite berubah 7.6 10.0 $0.011 Bandingkan
2026-04-11 00:35 Run pertama yang tercatat 7.9 T/A $0.000 Bandingkan

Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.

Perbandingan run

RunCakupan benchmarkSkorKonsistensiKeandalanTes benarTes tidak stabilTotal token outputTotal token inputTotal BiayaWaktu respons (rata-rata)
2026-10-01 02:07 · Run saat ini66/69 percobaan5.48.310.010/223454,482139,086$0.105190.48s
2026-07-16 23:25 · Tes baru ditambahkan63/63 percobaan6.09.09.211/211402,55465,707$0.108174.22s
Selisih—-0.7-0.7+0.8-1+2+51928+73379-$0.003+16263ms

Cakupan benchmark berbeda: 66/69 percobaan (Target: 3 pengulangan per tes) dibanding 63/63 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.

Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.

Grafik

Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.

Total token output

Skor vs Total token output

Perbandingan Cepat

Step 3.5 FlashmediumvsMiMo-V2.6-FlashnoneStep 3.5 FlashmediumvsEmber-1noneStep 3.5 FlashmediumvsHy4 previewlowStep 3.5 FlashmediumvsGPT-5.6 LunanoneStep 3.5 FlashmediumvsNorth Mini CodemediumTersedia gratisStep 3.5 FlashmediumvsGranite 4.2 8BlowStep 3.5 FlashmediumvsQwen3.8 27BnoneTersedia gratisStep 3.5 FlashmediumvsKimi K2.5noneStep 3.5 FlashmediumvsSeed-2.0-CodenoneStep 3.5 FlashmediumvsLaguna XS 2.1noneTersedia gratis

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Tugas agen 2.8 1.6
Trik anti-AI 10.0 10.0
Pemrograman 2.4 5.2
Gabungan 6.5 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 3.5 4.4
Kecerdasan umum 5.5 10.0
Kepatuhan instruksi 8.3 10.0
Pemecahan teka-teki 5.3 10.0
Pemanggilan alat 10.0 10.0
Pengetahuan umum 3.0 10.0

Model yang Dibandingkan