AI BENCHY Compare
Google: Gemini 2.5 Flash 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 | Google: Gemini 2.5 Flash medium リリース: 2025-06-17 | StepFun: Step 3.5 Flash medium リリース: 2026-02-01 無料で利用可能 |
|---|---|---|
| 順位 | #16 | #13 |
| 平均スコア | 7.4 | 7.4 |
| 一貫性 | 9.5 | 9.1 |
| 結果あたりのコスト | 2.619 | 0.000 |
| 合計コスト | $0.288 | $0.000 |
| 正解テスト | ||
| 試行ごとの合格率 | 72.9% | 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 | 1,370 | 71,452 |
| 推論トークン | 110,522 | 155,147 |
| 応答時間(平均) | 12.35s | 29.10s |
| 応答時間(最大) | 95.48s | 170.45s |
| 応答時間(合計) | 197.62s | 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.3 | 10.0 | 66.7% | 0 | 6.98s | 249 | 8,832 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 28.44s | 303 | 11,922 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 9.9 | 10.0 | 100.0% | 0 | 4.06s | 279 | 2,325 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 4.0 | 7.2 | 55.6% | 1 | 37.34s | 18 | 80,702 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 4.0 | 10.0 | 0.0% | 0 | 4.86s | 92 | 1,899 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 9.5 | 10.0 | 100.0% | 0 | 2.62s | 69 | 1,203 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.0 | 10.0 | 66.7% | 0 | 3.94s | 126 | 2,499 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.20s | 234 | 1,140 | |
| 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
Gemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.5 Flashmedium無料で利用可能Gemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGemini 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Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium無料で利用可能Claude Sonnet 4.6nonevsGemini 2.5 FlashmediumClaude Sonnet 4.6nonevsStep 3.5 Flashmedium無料で利用可能Gemini 3.1 Flash Lite PreviewhighvsStep 3.5 Flashmedium無料で利用可能Gemini 3 Flash PreviewlowvsStep 3.5 Flashmedium無料で利用可能Gemini 2.5 FlashmediumvsQwen3.5 Plus 2026-02-15none