AI BENCHY
Advertise here
#58

Step 3.5 Flash

Stepfun Lansare: 2026-02-01 Testat la: 2026-05-22 00:30 stepfun/step-3.5-flash::medium
(medium) (none)

Rezumat

Step 3.5 Flash obține 7.4 pe AI BENCHY și este pe #58. Are fiabilitate 9.3, rată de reușită 65.8%, cost total $0.015 și timp mediu de răspuns 43.29s.

Ce face Step 3.5 Flash unic: Se remarcă cel mai mult la Trucuri anti-AI, unde este pe #1, iar Programare este zona cea mai slabă, la #18. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.

Scor

7.4

Consistență

8.7

Fiabilitate

9.3

Cost total (preț curent)

$0.015

Total tokenuri de ieșire

263,806

Total tokenuri de intrare

0

Preț de intrare

$0.090 / 1M

Preț de ieșire

$0.300 / 1M

Teste corecte

Teste greșite: 8

Rată de trecere pe încercare: 65.8%

Teste instabile

3

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

43.29s

Timp de răspuns (maxim): 170.45s

Timp de răspuns (total): 562.74s

Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 1

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#58 Step 3.5 Flash

medium
Cost
$0.008
Timp
277.1s
Tokenuri
23,695 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
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 Rularea curentă
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.

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Step 3.5 FlashmediumvsInklinglowStep 3.5 FlashmediumvsQwen3.5-FlashnoneStep 3.5 FlashmediumvsGemini 3.1 Flash LitenoneStep 3.5 FlashmediumvsQwen3.5 Plus 2026-04-20noneStep 3.5 Flashmediumvsgpt-oss-120bmediumStep 3.5 FlashmediumvsQwen3.5-35B-A3BnoneStep 3.5 FlashmediumvsGemini 3 Flash PreviewmediumStep 3.5 FlashmediumvsGemini 3.5 FlashhighStep 3.5 FlashmediumvsNemotron 3 UltramediumDisponibil gratuitStep 3.5 FlashmediumvsGPT-5.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 3.0 6.0
Combinat 10.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 5.3 7.2
Inteligență generală 5.5 10.0
Respectarea instrucțiunilor 8.5 6.8
Rezolvare de puzzle-uri 5.3 10.0
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate