#34 Step 3.5 Flash
medium- Biaya
- $0.008
- Waktu
- 277.1s
- Token
- 23,695 tok
Stepfun
Rilis: 2026-02-01
Diuji pada: 2026-04-11 00:35
stepfun/step-3.5-flash::medium
196B total (11B aktif)MoESumber terbuka
(medium)
(none)
Ringkasan
Step 3.5 Flash mendapat skor 7.9 di AI BENCHY dan berada di peringkat #34. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 70.6%, total biaya $0.000, dan waktu respons rata-rata 26.78s.
Yang membuat Step 3.5 Flash unik: Model ini paling menonjol di Parsing dan ekstraksi data, dengan peringkat #1, sementara Pemecahan teka-teki adalah area terlemahnya di #18. Total biaya benchmark-nya sangat rendah untuk kisaran skornya.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 196B total (11B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Sumber terbuka
- Lisensi
- Apache-2.0
7.9
Konsistensi
9.1
T/A
$0.000
Total token output
227,511
Total token input
0
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 Salah: 6
Tingkat lulus per percobaan: 70.6%
Cakupan benchmark: 49/51 percobaan (Target: 3 pengulangan per tes)
Tes tidak stabil
2
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 02:50 Uji ulang | 5.9 | 10.0 | $0.132 ↑ | Bandingkan | |
| 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 | Run saat ini |
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 00:35 · Run pertama yang tercatat | 49/51 percobaan | 7.9 | 9.1 | T/A | 11/17 | 2 | 227,511 | 0 | $0.000 | 26.78s |
| 2026-08-14 02:50 · Uji ulang | 63/63 percobaan | 5.9 | 8.6 | 10.0 | 10/21 | 2 | 568,536 | 65,716 | $0.132 | 191.63s |
| Selisih | — | +2.0 | +0.5 | +1 | 0 | -341025 | -65716 | -$0.132 | -164850ms |
Cakupan benchmark berbeda: 49/51 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.
Model teratas berdasarkan skor
Skor vs Total Biaya
Waktu respons (rata-rata)
Skor vs Waktu respons (rata-rata)
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 |
|---|---|---|---|
| Trik anti-AI | 10.0 | 10.0 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 5.3 | 7.2 | |
| Kecerdasan umum | 5.5 | 10.0 | |
| Kepatuhan instruksi | 8.5 | 6.8 | |
| Pemecahan teka-teki | 5.3 | 10.0 | |
| Pemanggilan alat | 10.0 | 10.0 |