AI BENCHY Compare
Inception: Mercury 2 vs StepFun: Step 3.5 Flash
तुलना करा:
AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-03-05
| मेट्रिक | Inception: Mercury 2 none प्रकाशन: 2026-02-24 | StepFun: Step 3.5 Flash medium प्रकाशन: 2026-02-01 मोफत उपलब्ध |
|---|---|---|
| क्रमांक | #50 | #13 |
| सरासरी स्कोअर | 31 | 74 |
| सुसंगतता | 89 | 94 |
| प्रति निकाल खर्च | 0.196 | 0.000 |
| एकूण खर्च | $0.006 | $0.000 |
| बरोबर चाचण्या | ||
| प्रति प्रयत्न पास दर | 26.7% | 68.9% |
| अस्थिर चाचण्या | 2 | 1 |
| आउटपुट टोकन्स | 1,144 | 69,238 |
| रिझनिंग टोकन्स | 0 | 152,563 |
स्कोअर विरुद्ध एकूण खर्च
श्रेणीवार तपशील
| अँटी-एआय युक्त्या | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 274 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 13,924 | 17,208 |
| संयुक्त | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 131 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 1,176 | 12,984 |
| डेटा पार्सिंग आणि निष्कर्षण | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 55 | 59 | 83.3% | 1 | 180 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 600 | 13,886 |
| डोमेन-विशिष्ट | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 40 | 72 | 44.4% | 1 | 46 | 0 | |
| StepFun: Step 3.5 Flash | 40 | 72 | 44.4% | 1 | 45,350 | 90,436 |
| सूचनांचे पालन | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 35 | 100 | 0.0% | 0 | 82 | 0 | |
| StepFun: Step 3.5 Flash | 85 | 100 | 50.0% | 0 | 2,284 | 3,412 |
| Puzzle Solving | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 0.0% | 0 | 234 | 0 | |
| StepFun: Step 3.5 Flash | 40 | 100 | 33.3% | 0 | 5,629 | 10,835 |
| टूल कॉलिंग | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|
| Inception: Mercury 2 | 100 | 100 | 100.0% | 0 | 197 | 0 | |
| StepFun: Step 3.5 Flash | 100 | 100 | 100.0% | 0 | 275 | 3,802 |
झटपट तुलना
तुलना जोडी बदला
Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmediumमोफत उपलब्धMercury 2nonevsQwen3 Coder NextmediumGPT-5.3 ChatnonevsStep 3.5 Flashmediumमोफत उपलब्धGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmediumमोफत उपलब्धGPT-5.2 ChatnonevsStep 3.5 Flashmediumमोफत उपलब्धMercury 2nonevsGLM 4.7 FlashmediumGemini 3.1 Flash Lite PreviewhighvsStep 3.5 Flashmediumमोफत उपलब्धGemini 3 Flash PreviewlowvsStep 3.5 Flashmediumमोफत उपलब्धGemini 3 Flash PreviewnonevsStep 3.5 Flashmediumमोफत उपलब्धClaude Sonnet 4.6nonevsStep 3.5 Flashmediumमोफत उपलब्धQwen3.5 Plus 2026-02-15nonevsStep 3.5 Flashmediumमोफत उपलब्धMercury 2nonevsMiniMax M2.5medium