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 Sonnet 4.6 vs StepFun: Step 3.5 Flash

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-16

Metrică Claude Sonnet 4.6 Claude Sonnet 4.6 none Lansare: 2026-02-17 Step 3.5 Flash Step 3.5 Flash medium Lansare: 2026-02-01
Scor 7.4 7.9
Rang #41 #30
Consistență 9.6 9.1
Teste corecte
Rată de trecere pe încercare 64.8% 70.6%
Teste instabile 1 2
Rulări totale 54 49
Cost per rezultat 2.376 0.000
Cost total $0.262 $0.000
Preț de intrare $3.000 / 1M $0.100 / 1M
Preț de ieșire $15.000 / 1M $0.300 / 1M
Tokenuri de ieșire 7,433 71,904
Tokenuri de raționament 0 155,607
Timp de răspuns (mediu) 4.98s 26.78s
Timp de răspuns (maxim) 23.84s 170.45s
Timp de răspuns (total) 54.83s 294.58s

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 Sonnet 4.6 4.8 10.0 25.0% 0 2.94s 1,214 0
Step 3.5 Flash 10.0 10.0 100.0% 0 13.56s 14,376 17,668
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 10.0 10.0 100.0% 0 3.67s 523 0
Step 3.5 Flash - - - - - - - -
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 9.5 10.0 100.0% 0 23.84s 3,766 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 Sonnet 4.6 10.0 10.0 100.0% 0 3.43s 252 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 Sonnet 4.6 7.7 10.0 66.7% 0 3.54s 413 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 Sonnet 4.6 6.1 3.1 66.7% 1 2.56s 192 0
Step 3.5 Flash 5.5 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
Claude Sonnet 4.6 6.5 10.0 50.0% 0 1.96s 90 0
Step 3.5 Flash 8.5 6.8 83.3% 1 4.98s 2,284 3,412
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 Sonnet 4.6 7.7 10.0 66.7% 0 2.92s 536 0
Step 3.5 Flash 5.3 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
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.11s 447 0
Step 3.5 Flash 10.0 10.0 100.0% 0 11.91s 275 3,802

Comparație rapidă

Schimbă perechea de comparație

Claude Sonnet 4.6nonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumGPT-5.2 ChatnonevsStep 3.5 FlashmediumClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumClaude Sonnet 4.6nonevsGPT-5.2mediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsGPT-5.4 NanomediumClaude Sonnet 4.6nonevsGPT-5.4 MinimediumGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumGemini 3 Flash PreviewnonevsStep 3.5 FlashmediumClaude Sonnet 4.6nonevsMiMo-V2-Omnimedium