#108

Step 3.5 Flash

Stepfun Rilis: 2026-02-01 Diuji pada: 2026-04-11 01:44 stepfun/step-3.5-flash::none

196B total (11B aktif)MoESumber terbuka

(medium) (none)

Ringkasan

Step 3.5 Flash mendapat skor 3.0 di AI BENCHY dan berada di peringkat #108. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 0.0%, total biaya $0.000, dan waktu respons rata-rata 0ms.

Yang membuat Step 3.5 Flash unik: Total biaya benchmark-nya sangat rendah untuk kisaran skornya. Model ini terasa cepat dibandingkan model serupa.

Model diarsipkan: model ini tidak lagi diperbarui atau diuji pada pengujian baru.

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

3.0

Konsistensi

10.0

Keandalan

T/A

Total biaya (harga saat ini)

$0.000

Total token output

Total token input

Harga input

$0.100 / 1M

Harga output

$0.300 / 1M

Tes benar

Tes Salah: 1

Tingkat lulus per percobaan: 0.0%

Tes tidak stabil

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

Waktu respons (rata-rata)

0ms

Waktu respons (maks): 0ms

Waktu respons (total): 0ms

Kesalahan API: 1

Hamster playing table tennis

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

#108 Step 3.5 Flash

none

Biaya: $0.005
Waktu: 156.3s
Token: 13,887 tok

Riwayat run

Diuji pada	Skor	Keandalan	Tes benar	Total Biaya	Bandingkan
2026-05-08 15:30 Tes baru ditambahkan	2.3	10.0		$0.020	Bandingkan
2026-04-11 01:44 Run pertama yang tercatat	3.0	T/A		$0.000	Run saat ini

Perbandingan run

Run	Cakupan benchmark	Skor	Konsistensi	Keandalan	Tes benar	Total token output	Total token input	Total Biaya	Waktu respons (rata-rata)
2026-04-11 01:44 · Run pertama yang tercatat	3/3 percobaan	3.0	10.0	T/A	0/1	0	0	$0.000	0ms
2026-05-08 15:30 · Tes baru ditambahkan	36/36 percobaan	2.3	5.5	10.0	6/12	64,795	1,971	$0.020	39.03s
Selisih	—	+0.7	+4.5		-6	-64795	-1971	-$0.020	-39032ms

Cakupan benchmark berbeda: 3/3 percobaan (Target: 3 pengulangan per tes) dibanding 36/36 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.