Advertise here
#250

Step 5 Preview

Stepfun प्रकाशन: 2026-10-09 चाचणी तारीख: 2026-10-09 03:52 stepfun/step-5-preview::medium
600B एकूण (27B सक्रिय)MoEबंद स्रोत
(high) (medium) (low)

सारांश

Step 5 Preview AI BENCHY वर 6.1 स्कोर करते आणि #250 वर आहे. याची reliability 9.6, pass rate 53.6%, एकूण खर्च $4.136, आणि सरासरी response time 136.10s आहे.

Step 5 Preview खास का आहे: हे सूचनांचे पालन मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर कोडिंग हा सर्वात कमकुवत भाग आहे, rank #16.

मॉडेलची माहिती

संशोधन दिनांक: 2026-10-09

जाहीर केलेले
पॅरामीटर्स
600B एकूण (27B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
परवाना
-
पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

6.1

सुसंगतता

8.2

विश्वसनीयता

9.6

एकूण खर्च (सध्याची किंमत)

$4.136

एकूण आउटपुट टोकन्स

1,434,621

एकूण इनपुट टोकन्स

261,842

इनपुट किंमत

$1.000 / 1M

आउटपुट किंमत

$2.700 / 1M

कॅश वाचण्याची किंमत

$0.050 / 1M

कॅश लिहिण्याची किंमत

लागू नाही

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

बरोबर चाचण्या

चुकीच्या चाचण्या: 13

प्रति प्रयत्न पास दर: 53.6%

अस्थिर चाचण्या

5

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

136.10s

प्रतिसाद वेळ (कमाल): 438.09s

प्रतिसाद वेळ (एकूण): 3130.27s

उत्तर नाही: 6 चुकीचे उत्तर: 3 सूचनांचे पालन केले नाही: 2 API त्रुटी: 1 अवैध टूल कॉल: 1

Hamster playing table tennis

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

#250 Step 5 Preview

medium
खर्च
$0.042
वेळ
90.3s
टोकन्स
15,574 tok

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

Step 5 PreviewmediumvsQwen3.5 Plus 2026-04-20noneStep 5 PreviewmediumvsGranite 4.2 8BmediumStep 5 PreviewmediumvsInklingnoneमोफत उपलब्धStep 5 PreviewmediumvsKAT-Coder-Pro V2.5defaultStep 5 PreviewmediumvsApodex 1.1 Minilowमोफत उपलब्धStep 5 PreviewmediumvsApodex 1.1 Minimediumमोफत उपलब्धStep 5 PreviewmediumvsTrinity Large ThinkingmediumStep 5 PreviewmediumvsGLM 5.3 FlashXlowStep 5 PreviewmediumvsGemini 3.5 FlashnoneStep 5 PreviewmediumvsMiMo-V2.6-Pronone

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
स्वायत्त एजंट कार्ये 6.1 3.1
अँटी-एआय युक्त्या 6.4 7.9
कोडिंग 2.8 7.2
संयुक्त 7.3 5.8
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 2.9 7.2
Samanya Buddhimatta 3.4 9.3
सूचनांचे पालन 10.0 10.0
कोडी सोडवणे 7.8 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स