Navigare
AI BENCHY
Compară Grafice Metodologie
❤️ Made by XCS
Your ad here

AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs StepFun: Step 3.5 Flash

Compară:

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-06

Metrică Anthropic: Claude Sonnet 4.6 medium Lansare: 2026-02-17 StepFun: Step 3.5 Flash medium Lansare: 2026-02-01 Disponibil gratuit
Rang #11 #13
Scor mediu 7.7 7.4
Consistență 9.5 9.1
Cost per rezultat 8.525 0.000
Cost total $1.023 $0.000
Teste corecte
Rată de trecere pe încercare 77.1% 68.8%
Teste instabile 1 2
Rulări totale 48 (16 x 3) 48 (16 x 3)
Tokenuri de ieșire 35,159 71,452
Tokenuri de raționament 24,687 155,147
Timp de răspuns (mediu) 11.23s 29.10s
Timp de răspuns (maxim) 46.35s 170.45s
Timp de răspuns (total) 89.84s 290.96s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor mediu vs Timp de răspuns (mediu)

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
Anthropic: Claude Sonnet 4.6 7.0 10.0 66.7% 0 4.95s 1,031 1,093
StepFun: Step 3.5 Flash 10.0 10.0 100.0% 0 18.54s 13,924 17,208
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Sonnet 4.6 10.0 10.0 100.0% 0 46.35s 5,871 3,962
StepFun: 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
Anthropic: Claude Sonnet 4.6 9.9 10.0 100.0% 0 13.90s 649 742
StepFun: 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
Anthropic: Claude Sonnet 4.6 10.0 7.2 11.1% 1 0ms 25,790 16,919
StepFun: Step 3.5 Flash 4.0 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
Anthropic: Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.94s 256 433
StepFun: Step 3.5 Flash 6.0 10.0 0.0% 0 6.54s 2,214 2,584
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Sonnet 4.6 10.0 10.0 100.0% 0 2.61s 318 552
StepFun: Step 3.5 Flash 9.0 6.8 83.3% 1 4.98s 2,284 3,412
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.80s 589 635
StepFun: Step 3.5 Flash 4.0 10.0 33.3% 0 7.72s 5,629 10,835
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Sonnet 4.6 10.0 10.0 100.0% 0 7.48s 655 351
StepFun: Step 3.5 Flash 10.0 10.0 100.0% 0 11.91s 275 3,802

Comparație rapidă

Schimbă perechea de comparație

GPT-5.2 ChatnonevsStep 3.5 FlashmediumDisponibil gratuitGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumDisponibil gratuitGPT-5.3 ChatnonevsStep 3.5 FlashmediumDisponibil gratuitGemini 3 Flash PreviewnonevsStep 3.5 FlashmediumDisponibil gratuitClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumDisponibil gratuitClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewhighClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewlowClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite Previewnone