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

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs StepFun: Step 3.5 Flash

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-28

Metrică Claude Opus 4.8 Claude Opus 4.8 none Lansare: 2026-05-28 Step 3.5 Flash Step 3.5 Flash medium Lansare: 2026-02-01
Scor 7.3 7.4
Rang #63 #59
Fiabilitate 10.0 10.0
Consistență 9.2 9.1
Teste corecte
Rată de trecere pe încercare 65.0% 62.3%
Teste instabile 2 2
Rulări totale 60 57
Cost per rezultat 4.324 0.133
Cost total $0.519 $0.062
Preț de intrare $5.000 / 1M $0.090 / 1M
Preț de ieșire $25.000 / 1M $0.300 / 1M
Tokenuri de ieșire 8,098 90,478
Tokenuri de raționament 0 173,544
Timp de răspuns (mediu) 3.51s 43.20s
Timp de răspuns (maxim) 17.73s 170.45s
Timp de răspuns (total) 70.19s 561.54s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 1,472 0
Step 3.5 Flash 10.0 10.0 100.0% 0 40.57s 20,391 24,176
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 6.8 10.0 50.0% 0 3.59s 1,323 0
Step 3.5 Flash 3.0 6.0 50.0% 1 62.83s 12,098 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 3,259 0
Step 3.5 Flash 10.0 10.0 100.0% 0 29.57s 1,176 12,984
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 308 0
Step 3.5 Flash 10.0 10.0 100.0% 0 15.01s 600 13,886
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 5.3 7.2 44.4% 1 1.66s 61 0
Step 3.5 Flash 5.3 7.2 44.4% 1 170.45s 45,350 90,436
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 230 0
Step 3.5 Flash 5.5 10.0 0.0% 0 22.39s 240 3,506
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 95 0
Step 3.5 Flash 8.3 10.0 50.0% 0 4.78s 2,364 3,521
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 783 0
Step 3.5 Flash 5.3 10.0 33.3% 0 7.22s 5,630 10,861
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 355 0
Step 3.5 Flash 10.0 10.0 100.0% 0 11.91s 275 3,802
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 212 0
Step 3.5 Flash 3.0 10.0 0.0% 0 108.45s 2,354 10,372

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.8nonevsQwen3.5-35B-A3BmediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumClaude Opus 4.8nonevsRing-2.6-1TmediumClaude Opus 4.8nonevsGPT-5.4 MinimediumGemini 3.1 Flash LitelowvsStep 3.5 FlashmediumClaude Opus 4.8nonevsGPT-5.2mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumClaude Opus 4.8nonevsGLM 5V TurbomediumClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Opus 4.8nonevsGPT-5 MinimediumClaude Opus 4.8nonevsKimi K2.6mediumDisponibil gratuitClaude Opus 4.8nonevsMiMo-V2.5medium