नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

StepFun: Step 3.5 Flash vs Xiaomi: MiMo-V2.5-Pro

Step 3.5 Flash (medium) average score मध्ये पुढे आहे: 6.0 vs 5.5. MiMo-V2.5-Pro चा benchmark खर्च कमी आहे: $0.068 vs $0.108. MiMo-V2.5-Pro वेगवान आहे: 4.12s vs 174.22s, pass rates 51.5% vs 37.9%.

शिफारस केलेले मॉडेलMiMo-V2.5-ProIts score stays close to the best score here (5.5 vs 6.0), while costing about 1.6x less than Step 3.5 Flash (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-21

मेट्रिक Step 3.5 Flash Step 3.5 Flash medium प्रकाशन: 2026-02-01 MiMo-V2.5-Pro MiMo-V2.5-Pro none प्रकाशन: 2026-04-22
स्कोअर 6.0 5.5
क्रमांक #136 #160
विश्वसनीयता 9.2 10.0
सुसंगतता 9.0 8.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 51.5% 37.9%
अस्थिर चाचण्या 1 4
एकूण रन 63 66
प्रति निकाल खर्च 0.540 1.509
एकूण खर्च $0.108 $0.068
इनपुट किंमत $0.100 / 1M $0.435 / 1M
आउटपुट किंमत $0.300 / 1M $0.870 / 1M
एकूण इनपुट टोकन्स 65,707 124,799
आउटपुट टोकन्स 108,561 15,362
रिझनिंग टोकन्स 293,993 0
प्रतिसाद वेळ (सरासरी) 174.22s 4.12s
प्रतिसाद वेळ (कमाल) 1597.85s 53.13s
प्रतिसाद वेळ (एकूण) 2613.32s 90.55s

Hamster playing table tennis

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

#136 Step 3.5 Flash

medium
खर्च
$0.008
वेळ
277.1s
टोकन्स
23,695 tok

#160 MiMo-V2.5-Pro

none
खर्च
$0.004
वेळ
46.4s
टोकन्स
4,025 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Step 3.5 Flash 2.4 5.2 0.0% 0 258.38s 2,211 13,207 22,429
MiMo-V2.5-Pro 4.3 7.8 22.2% 1 1.41s 6,559 485 0

झटपट तुलना

तुलना जोडी बदला