#288 Step 3.5 Flash
none- Cost
- $0.005
- Timp
- 156.3s
- Tokenuri
- 13,887 tok
Stepfun
Lansare: 2026-02-01
Testat la: 2026-05-08 15:30
stepfun/step-3.5-flash::none
196B în total (11B activi)MoESursă deschisă
(medium)
(none)
Rezumat
Step 3.5 Flash obține 2.3 pe AI BENCHY și este pe #288. Are fiabilitate 10.0, rată de reușită 27.3%, cost total $0.020 și timp mediu de răspuns 39.03s.
Ce face Step 3.5 Flash unic: Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
Model arhivat: acest model nu mai este actualizat și nu mai este testat pe teste noi.
Date despre model
Documentat la 2026-08-12
- Parametri
- 196B în total (11B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
2.3
Consistență
5.5
10.0
$0.020
Total tokenuri de ieșire
64,795
Total tokenuri de intrare
1,971
Preț de intrare
$0.100 / 1M
Preț de ieșire
$0.300 / 1M
Teste instabile
0
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 |
|---|---|---|---|---|---|
| 2026-05-08 15:30 Test nou adăugat | 2.3 | 10.0 | $0.020 | Rularea curentă | |
| 2026-04-11 01:44 Prima rulare înregistrată | 3.0 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:30 · Rularea curentă | 36/66 încercări | 2.3 | 5.5 | 10.0 | 6/12 | 0 | 64,795 | 1,971 | $0.020 | 39.03s |
| 2026-04-11 01:44 · Prima rulare înregistrată | 3/3 încercări | 3.0 | 10.0 | N/D | 0/1 | 0 | 0 | 0 | $0.000 | 0ms |
| Diferență | — | -0.7 | -4.5 | +6 | 0 | +64795 | +1971 | +$0.020 | +39032ms |
Acoperirea benchmark diferă: 36/36 încercări (Țintă: 3 repetări per test) față de 3/3 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.
Istoric prețuri
Date istorice de preț pentru acest model de la OpenRouter.
| Dată | Preț de intrare | Preț de ieșire |
|---|---|---|
| 2026-06-04 15:40 | $0.090 / 1M | $0.300 / 1M |
| 2026-06-30 21:25 | $0.100 / 1M | $0.300 / 1M |
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
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 9.8 | 3.3 | |
| Combinat | 1.5 | 5.0 | |
| Parsare și extragere de date | 1.5 | 5.0 | |
| Specific domeniului | 3.3 | 3.3 | |
| Inteligență generală | 4.0 | 10.0 | |
| Respectarea instrucțiunilor | 5.0 | 5.0 | |
| Rezolvare de puzzle-uri | 0.0 | 0.0 | |
| Apelare instrumente | 3.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |