#319 Step 3.5 Flash
medium- Cost
- $0.008
- Timp
- 277.1s
- Tokenuri
- 23,695 tok
Stepfun
Lansare: 2026-02-01
Testat la: 2026-10-01 02:07
stepfun/step-3.5-flash::medium
196B în total (11B activi)MoESursă deschisă
(medium)
(none)
Rezumat
Step 3.5 Flash obține 5.4 pe AI BENCHY și este pe #319. Are fiabilitate 10.0, rată de reușită 49.3%, cost total $0.105 și timp mediu de răspuns 190.48s.
Ce face Step 3.5 Flash unic: Se remarcă cel mai mult la Trucuri anti-AI, unde este pe #1, iar Sarcini agentice este zona cea mai slabă, la #13.
Date despre model
Documentat la 2026-08-12
- Parametri
- 196B în total (11B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
5.4
Consistență
8.3
10.0
$0.105
Total tokenuri de ieșire
454,482
Total tokenuri de intrare
139,086
Preț de intrare
$0.100 / 1M
Preț de ieșire
$0.300 / 1M
Preț citire cache
N/D
Preț scriere cache
N/D
Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.
Teste greșite: 12
Rată de trecere pe încercare: 49.3%
Acoperire benchmark: 66/69 încercări (Țintă: 3 repetări per test)
Teste instabile
3
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-10-01 02:07 Retestare | 5.4 | 10.0 | $0.105 | Rularea curentă | |
| 2026-07-16 23:25 Test nou adăugat | 6.0 | 9.2 | $0.108 ↑ | Compară | |
| 2026-06-04 14:12 Test nou adăugat | 7.2 | 8.9 | $0.070 ↑ | Compară | |
| 2026-05-22 00:30 Suită modificată | 7.4 | 9.3 | $0.015 | Compară | |
| 2026-05-08 15:30 Suită modificată | 7.6 | 10.0 | $0.011 | Compară | |
| 2026-04-11 00:35 Prima rulare înregistrată | 7.9 | N/D | $0.000 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 02:07 · Rularea curentă | 66/69 încercări | 5.4 | 8.3 | 10.0 | 10/22 | 3 | 454,482 | 139,086 | $0.105 | 190.48s |
| 2026-05-08 15:30 · Suită modificată | 54/54 încercări | 7.6 | 9.2 | 10.0 | 11/18 | 2 | 251,708 | 0 | $0.011 | 41.66s |
| Diferență | — | -2.3 | -0.9 | 0.0 | -1 | +1 | +202774 | +139086 | +$0.094 | +148825ms |
Acoperirea benchmark diferă: 66/69 încercări (Țintă: 3 repetări per test) față de 54/54 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
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
Comparație rapidă
Step 3.5 FlashmediumvsMiMo-V2.6-FlashnoneStep 3.5 FlashmediumvsEmber-1noneStep 3.5 FlashmediumvsHy4 previewlowStep 3.5 FlashmediumvsGPT-5.6 LunanoneStep 3.5 FlashmediumvsNorth Mini CodemediumDisponibil gratuitStep 3.5 FlashmediumvsGranite 4.2 8BlowStep 3.5 FlashmediumvsQwen3.8 27BnoneDisponibil gratuitStep 3.5 FlashmediumvsKimi K2.5noneStep 3.5 FlashmediumvsSeed-2.0-CodenoneStep 3.5 FlashmediumvsLaguna XS 2.1noneDisponibil gratuit
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Sarcini agentice | 2.8 | 1.6 | |
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 2.4 | 5.2 | |
| Combinat | 6.5 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 3.5 | 4.4 | |
| Inteligență generală | 5.5 | 10.0 | |
| Respectarea instrucțiunilor | 8.3 | 10.0 | |
| Rezolvare de puzzle-uri | 5.3 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |