AI BENCHY Compare
DeepSeek: DeepSeek V3.2 vs StepFun: Step 3.5 Flash
Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-03
| Metrică | DeepSeek: DeepSeek V3.2 none Lansare: 2025-12-01 | StepFun: Step 3.5 Flash medium Lansare: 2026-02-01 Disponibil gratuit |
|---|---|---|
| Rang | #30 | #11 |
| Scor mediu | 4.70 | 7.00 |
| Consistență | 8.19 | 8.32 |
| Cost per rezultat | 0.132 | 0.000 |
| Cost total | $0.007 | $0.000 |
| Teste corecte | 5/14 | 9/14 |
| Rată de trecere pe încercare | 47.6% | 73.8% |
| Teste instabile | 3 | 3 |
| Tokenuri de ieșire | 4,869 | 60,502 |
| Tokenuri de raționament | 0 | 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 |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 1.00 | 9.68 | 0.0% | 0 | 1,411 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 5.38 | 5.81 | 66.7% | 1 | 1,710 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 1.00 | 7.21 | 22.2% | 1 | 24 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 8.00 | 9.99 | 50.0% | 0 | 66 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 7.67 | 7.49 | 88.9% | 1 | 1,136 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|
| DeepSeek: DeepSeek V3.2 | 10.00 | 10.00 | 100.0% | 0 | 522 | 0 | |
| StepFun: Step 3.5 Flash | 10.00 | 10.00 | 100.0% | 0 | 275 | 3,802 |
Comparație rapidă
Schimbă perechea de comparație
Gemini 3 Flash PreviewnonevsStep 3.5 FlashmediumDisponibil gratuitDeepSeek V3.2nonevsGLM 4.7 FlashmediumClaude Sonnet 4.6nonevsStep 3.5 FlashmediumDisponibil gratuitQwen3.5 Plus 2026-02-15nonevsStep 3.5 FlashmediumDisponibil gratuitStep 3.5 FlashmediumDisponibil gratuitvsGLM 5noneDeepSeek V3.2nonevsMiniMax M2.5mediumDeepSeek V3.2nonevsgpt-oss-120bmediumDisponibil gratuitDeepSeek V3.2nonevsQwen3.5-FlashmediumDeepSeek V3.2nonevsGPT-5 NanomediumDeepSeek V3.2nonevsQwen3 Coder NextmediumDeepSeek V3.2nonevsQwen3.5-35B-A3BmediumDeepSeek V3.2nonevsMiMo-V2-Flashmedium