AI BENCHY Compare
Anthropic: Claude Sonnet 4.6 vs StepFun: Step 3.5 Flash
比較する:
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-03-06
| 指標 | Anthropic: Claude Sonnet 4.6 medium リリース: 2026-02-17 | StepFun: Step 3.5 Flash medium リリース: 2026-02-01 無料で利用可能 |
|---|---|---|
| 順位 | #11 | #13 |
| 平均スコア | 7.7 | 7.4 |
| 一貫性 | 9.5 | 9.1 |
| 結果あたりのコスト | 8.525 | 0.000 |
| 合計コスト | $1.023 | $0.000 |
| 正解テスト | ||
| 試行ごとの合格率 | 77.1% | 68.8% |
| 不安定なテスト | 1 | 2 |
| 総実行回数 | 48 (16 x 3) | 48 (16 x 3) |
| 出力トークン | 35,159 | 71,452 |
| 推論トークン | 24,687 | 155,147 |
| 応答時間（平均） | 11.23s | 29.10s |
| 応答時間（最大） | 46.35s | 170.45s |
| 応答時間（合計） | 89.84s | 290.96s |
スコア vs 総コスト
応答時間（平均）
平均スコア vs 応答時間（平均）
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| 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 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| 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 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| 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 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| 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 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| 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 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| 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 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| 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 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| 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 |
クイック比較
比較ペアを切り替え
GPT-5.2 ChatnonevsStep 3.5 Flashmedium無料で利用可能Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmedium無料で利用可能GPT-5.3 ChatnonevsStep 3.5 Flashmedium無料で利用可能Gemini 3 Flash PreviewnonevsStep 3.5 Flashmedium無料で利用可能Claude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium無料で利用可能Claude 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