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

AI BENCHY Compare

Trinity Large Preview vs StepFun: Step 3.5 Flash

Compară:

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

Metrică Trinity Large Preview none Lansare: 2026-01-27 Disponibil gratuit StepFun: Step 3.5 Flash medium Lansare: 2026-02-01 Disponibil gratuit
Rang #45 #13
Scor mediu 4.2 7.4
Consistență 9.6 9.1
Cost per rezultat 0.000 0.000
Cost total $0.000 $0.000
Teste corecte
Rată de trecere pe încercare 33.3% 68.8%
Teste instabile 1 2
Rulări totale 48 (16 x 3) 48 (16 x 3)
Tokenuri de ieșire 1,837 71,452
Tokenuri de raționament 0 155,147
Timp de răspuns (mediu) 3.15s 29.10s
Timp de răspuns (maxim) 8.91s 170.45s
Timp de răspuns (total) 50.46s 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
Trinity Large Preview 10.0 10.0 0.0% 0 3.59s 587 0
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
Trinity Large Preview 10.0 10.0 0.0% 0 8.91s 294 0
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
Trinity Large Preview 9.9 10.0 100.0% 0 3.26s 186 0
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
Trinity Large Preview 4.0 10.0 33.3% 0 877ms 25 0
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
Trinity Large Preview 3.0 9.9 0.0% 0 2.86s 124 0
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
Trinity Large Preview 3.5 6.7 16.7% 1 1.09s 63 0
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
Trinity Large Preview 4.0 10.0 33.3% 0 3.30s 291 0
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
Trinity Large Preview 10.0 10.0 100.0% 0 6.67s 267 0
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 gratuitGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumDisponibil gratuitTrinity Large PreviewnoneDisponibil gratuitvsMiniMax M2.5mediumClaude Sonnet 4.6nonevsStep 3.5 FlashmediumDisponibil gratuitTrinity Large PreviewnoneDisponibil gratuitvsQwen3 Coder NextmediumGemini 3.1 Flash Lite PreviewhighvsStep 3.5 FlashmediumDisponibil gratuitGemini 3 Flash PreviewlowvsStep 3.5 FlashmediumDisponibil gratuitTrinity Large PreviewnoneDisponibil gratuitvsgpt-oss-120bmediumDisponibil gratuitTrinity Large PreviewnoneDisponibil gratuitvsMercury 2medium