#108

Step 3.5 Flash

Stepfun Lansare: 2026-02-01 Testat la: 2026-04-11 01:44 stepfun/step-3.5-flash::none

196B în total (11B activi)MoESursă deschisă

(medium) (none)

Rezumat

Step 3.5 Flash obține 3.0 pe AI BENCHY și este pe #108. Are fiabilitate N/D, rată de reușită 0.0%, cost total $0.000 și timp mediu de răspuns 0ms.

Ce face Step 3.5 Flash unic: Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor. Este vizibil rapid față de modele similare.

Model arhivat: acest model nu mai este actualizat și nu mai este testat pe teste noi.

Date despre model

Documentat la 2026-08-12

Raportat

Parametri: 196B în total (11B activi)
Arhitectură: MoE
Disponibilitate: Sursă deschisă
Licență: Apache-2.0

Sursa parametrilor Sursa disponibilității

Scor

3.0

Consistență

10.0

Fiabilitate

N/D

Cost total (preț curent)

$0.000

Total tokenuri de ieșire

Total tokenuri de intrare

Preț de intrare

$0.100 / 1M

Preț de ieșire

$0.300 / 1M

Teste corecte

Teste greșite: 1

Rată de trecere pe încercare: 0.0%

Teste instabile

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

Timp de răspuns (mediu)

0ms

Timp de răspuns (maxim): 0ms

Timp de răspuns (total): 0ms

Eroare API: 1

Hamster playing table tennis

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

#108 Step 3.5 Flash

none

Cost: $0.005
Timp: 156.3s
Tokenuri: 13,887 tok

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	Compară
2026-04-11 01:44 Prima rulare înregistrată	3.0	N/D		$0.000	Rularea curentă

Comparație între rulări

Rulare	Acoperire benchmark	Scor	Consistență	Fiabilitate	Teste corecte	Total tokenuri de ieșire	Total tokenuri de intrare	Cost total	Timp de răspuns (mediu)
2026-04-11 01:44 · Prima rulare înregistrată	3/3 încercări	3.0	10.0	N/D	0/1	0	0	$0.000	0ms
2026-05-08 15:30 · Test nou adăugat	36/36 încercări	2.3	5.5	10.0	6/12	64,795	1,971	$0.020	39.03s
Diferență	—	+0.7	+4.5		-6	-64795	-1971	-$0.020	-39032ms

Acoperirea benchmark diferă: 3/3 încercări (Țintă: 3 repetări per test) față de 36/36 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.