Compară Grafice

Limbă:

❤️ Made by XCS

AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs StepFun: Step 3.5 Flash

Nume model:

Benchmark-urile au fost generate din suitele de teste AI BENCHY la : 2026-02-27 15:16

Rezumat

Metrică	Anthropic: Claude Sonnet 4.6 medium Lansare: Data lansării necunoscută	StepFun: Step 3.5 Flash medium Lansare: Data lansării necunoscută Disponibil gratuit
Rang	#8	#11
Scor	7.43	7.00
Consistență	9.40	8.32
Cost per rezultat	8.105	0.000
Cost total	$0.811	$0.000
Teste corecte
Teste greșite	4	5
Rată de trecere pe încercare	73.8%	73.8%
Teste instabile	1	3
Tokenuri de ieșire	29,098	60,502
Tokenuri de raționament	20,435	117,044

Defalcare pe categorii

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Tokenuri de ieșire	Tokenuri de raționament
Anthropic: Claude Sonnet 4.6	7.00	10.00	66.7%	0		1,031	1,093
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		13,924	17,208

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Tokenuri de ieșire	Tokenuri de raționament
Anthropic: Claude Sonnet 4.6	10.00	10.00	100.0%	0		727	907
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		535	11,548

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Tokenuri de ieșire	Tokenuri de raționament
Anthropic: Claude Sonnet 4.6	1.00	7.21	11.1%	1		25,790	16,919
StepFun: Step 3.5 Flash	4.00	7.21	44.4%	1		40,942	74,237

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Tokenuri de ieșire	Tokenuri de raționament
Anthropic: Claude Sonnet 4.6	10.00	10.00	100.0%	0		316	523
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		2,121	3,274

Puzzle Solving	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Tokenuri de ieșire	Tokenuri de raționament
Anthropic: Claude Sonnet 4.6	10.00	10.00	100.0%	0		579	642
StepFun: Step 3.5 Flash	2.00	4.96	33.3%	2		2,705	6,975

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Tokenuri de ieșire	Tokenuri de raționament
Anthropic: Claude Sonnet 4.6	10.00	10.00	100.0%	0		655	351
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		275	3,802

Schimbă perechea de comparație

Compară Anthropic: Claude Sonnet 4.6 cu...

Compară StepFun: Step 3.5 Flash cu...