Compară Grafice

Limbă:

❤️ Made by XCS

AI BENCHY Compare

OpenAI: GPT-4o-mini vs StepFun: Step 3.5 Flash

Nume model:

Benchmark-urile au fost generate din suitele de teste AI BENCHY la : 2026-02-27 15:16

Rezumat

Metrică	OpenAI: GPT-4o-mini none Lansare: Data lansării necunoscută	StepFun: Step 3.5 Flash medium Lansare: Data lansării necunoscută Disponibil gratuit
Rang	#28	#11
Scor	4.86	7.00
Consistență	9.98	8.32
Cost per rezultat	0.056	0.000
Cost total	$0.003	$0.000
Teste corecte
Teste greșite	9	5
Rată de trecere pe încercare	35.7%	73.8%
Teste instabile	0	3
Tokenuri de ieșire	949	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
OpenAI: GPT-4o-mini	4.00	10.00	33.3%	0		180	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
OpenAI: GPT-4o-mini	10.00	10.00	100.0%	0		183	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
OpenAI: GPT-4o-mini	1.00	10.00	0.0%	0		15	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
OpenAI: GPT-4o-mini	5.50	10.00	50.0%	0		71	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
OpenAI: GPT-4o-mini	4.00	9.92	0.0%	0		295	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
OpenAI: GPT-4o-mini	10.00	10.00	100.0%	0		205	0
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		275	3,802

Schimbă perechea de comparație

Compară OpenAI: GPT-4o-mini cu...

Compară StepFun: Step 3.5 Flash cu...