AI BENCHY Compare
Google: Gemini 2.5 Flash vs StepFun: Step 3.5 Flash
Compară:
Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-03
| Metrică | Google: Gemini 2.5 Flash medium Lansare: 2025-06-17 | StepFun: Step 3.5 Flash medium Lansare: 2026-02-01 Disponibil gratuit |
|---|---|---|
| Rang | #16 | #17 |
| Scor mediu | 7.05 | 7.00 |
| Consistență | 9.39 | 8.32 |
| Cost per rezultat | 2.762 | 0.000 |
| Cost total | $0.249 | $0.000 |
| Teste corecte | ||
| Rată de trecere pe încercare | 69.1% | 73.8% |
| Teste instabile | 1 | 3 |
| Tokenuri de ieșire | 975 | 60,502 |
| Tokenuri de raționament | 96,701 | 117,044 |
Scor vs cost total
Defalcare pe categorii
| Trucuri anti-AI | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.33 | 10.00 | 66.7% | 0 | 249 | 8,832 | |
| 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 |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 9.88 | 10.00 | 100.0% | 0 | 279 | 2,325 | |
| 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 |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 4.00 | 7.21 | 55.6% | 1 | 18 | 80,702 | |
| 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 |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.00 | 9.91 | 50.0% | 0 | 69 | 1,203 | |
| 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 |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.00 | 10.00 | 66.7% | 0 | 126 | 2,499 | |
| 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 |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 10.00 | 10.00 | 100.0% | 0 | 234 | 1,140 | |
| 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 gratuitGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsStep 3.5 FlashmediumDisponibil gratuitGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.5 FlashmediumDisponibil gratuitClaude Sonnet 4.6nonevsStep 3.5 FlashmediumDisponibil gratuitGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumDisponibil gratuitClaude Sonnet 4.6nonevsGemini 2.5 FlashmediumQwen3.5 Plus 2026-02-15nonevsStep 3.5 FlashmediumDisponibil gratuitGemini 2.5 FlashmediumvsQwen3.5 Plus 2026-02-15noneGemini 3.1 Flash Lite PreviewhighvsStep 3.5 FlashmediumDisponibil gratuitGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumDisponibil gratuit