AI BENCHY
Advertise here
#71

Step 3.7 Flash

Stepfun Lansare: 2026-05-29 Testat la: 2026-06-04 14:10 stepfun/step-3.7-flash::high
(high) (medium) (low)

Rezumat

Step 3.7 Flash obține 7.0 pe AI BENCHY și este pe #71. Are fiabilitate 10.0, rată de reușită 63.5%, cost total $1.148 și timp mediu de răspuns 64.46s.

Ce face Step 3.7 Flash unic: Se remarcă cel mai mult la Trucuri anti-AI, unde este pe #1, iar Programare este zona cea mai slabă, la #15.

Scor

7.0

Consistență

8.2

Fiabilitate

10.0

Cost total (preț curent)

$1.148

Total tokenuri de ieșire

991,355

Total tokenuri de intrare

38,391

Preț de intrare

$0.200 / 1M

Preț de ieșire

$1.150 / 1M

Teste corecte

Teste greșite: 10

Rată de trecere pe încercare: 63.5%

Teste instabile

4

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

Timp de răspuns (mediu)

64.46s

Timp de răspuns (maxim): 364.99s

Timp de răspuns (total): 1353.57s

Răspuns greșit: 6 Fără răspuns: 4

Generation showcase

Hamster playing table tennis

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

#71 Step 3.7 Flash

high
Cost
$0.007
Time
63.6s
Tokens
6,030 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-06-04 14:10 Test nou adăugat 7.0 10.0 $1.148 Rularea curentă
2026-05-29 11:53 Prima rulare 7.1 9.9 $0.960 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire
2026-06-04 15:40 $0.200 / 1M $1.150 / 1M

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 3.7 FlashhighvsGPT-5.3 ChatnoneStep 3.7 FlashhighvsGrok 4.20mediumStep 3.7 FlashhighvsStep 3.5 FlashmediumStep 3.7 FlashhighvsQwen3.5-35B-A3BmediumStep 3.7 FlashhighvsGemini 3.1 Flash LitelowStep 3.7 FlashhighvsMiniMax M3mediumStep 3.7 FlashhighvsGemini 3 Flash PreviewmediumStep 3.7 FlashhighvsGemini 3.5 FlashhighStep 3.7 FlashhighvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitStep 3.7 FlashhighvsGemini 3.5 Flashlow

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 4.0 6.0
Combinat 10.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 4.1 4.4
Inteligență generală 5.5 10.0
Respectarea instrucțiunilor 9.8 10.0
Rezolvare de puzzle-uri 5.3 7.2
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate