#32
Stepfun
प्रकाशन: 2026-02-01
चाचणी तारीख: 2026-05-08 15:30
stepfun/step-3.5-flash::none
(medium)
(none)
संग्रहित मॉडेल: हे मॉडेल आता अपडेट केले जाणार नाही आणि नवीन चाचण्यांवर तपासले जाणार नाही.
???? ???
$0.090 / 1M
????? ???
$0.300 / 1M
अस्थिर चाचण्या
0
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-05-08 15:30 नवीन चाचणी जोडली | 7.8 | 10.0 | $0.020 | सध्याची रन | |
| 2026-04-11 01:44 पहिली नोंदलेली रन | 3.0 | लागू नाही | $0.000 | तुलना करा |
या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:30 · सध्याची रन | 7.8 | 10.0 | 10.0 | 6/9 | 0 | 64,795 | $0.020 | 39.03s |
| 2026-04-11 01:44 · पहिली नोंदलेली रन | 3.0 | 10.0 | लागू नाही | 0/1 | 0 | 0 | $0.000 | 0ms |
| फरक | +4.8 | 0.0 | +9 | 0 | +64795 | +$0.020 | +39032ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 10.0 | 10.0 | |
| कोडिंग | 3.0 | 10.0 | |
| संयुक्त | 0.0 | 0.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 0.0 | 0.0 | |
| डोमेन-विशिष्ट | 10.0 | 10.0 | |
| Samanya Buddhimatta | 4.0 | 10.0 | |
| सूचनांचे पालन | 10.0 | 10.0 | |
| टूल कॉलिंग | 0.0 | 0.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |