AI BENCHY
Advertise here
#32

Step 3.7 Flash

Stepfun Lansare: 2026-05-29 Testat la: 2026-05-29 11:49 stepfun/step-3.7-flash::medium
(high) (medium) (low)

Rezumat

Step 3.7 Flash obține 7.9 pe AI BENCHY și este pe #32. Are fiabilitate 9.9, rată de reușită 71.7%, cost total $0.404 și timp mediu de răspuns 20.29s.

Ce face Step 3.7 Flash unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #1, iar Rezolvare de puzzle-uri este zona cea mai slabă, la #16.

Scor

7.9

Consistență

9.2

Fiabilitate

9.9

Cost total (preț curent)

$0.404

Total tokenuri de ieșire

344,492

Total tokenuri de intrare

0

Preț de intrare

$0.200 / 1M

Preț de ieșire

$1.150 / 1M

Teste corecte

Teste greșite: 7

Rată de trecere pe încercare: 71.7%

Teste instabile

2

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

Timp de răspuns (mediu)

20.29s

Timp de răspuns (maxim): 136.44s

Timp de răspuns (total): 405.79s

Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Fără răspuns: 1

Prezentare generare

Hamster playing table tennis

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

#32 Step 3.7 Flash

medium
Cost
$0.006
Timp
46.2s
Tokenuri
4,466 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-06-04 13:52 Test nou adăugat 8.0 9.9 $0.376 Compară
2026-05-29 11:49 Prima rulare 7.9 9.9 $0.404 Rularea curentă

Comparație între rulări

RulareScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-05-29 11:49 · Prima rulare7.99.29.913/202344,4920$0.40420.29s
2026-06-04 13:52 · Test nou adăugat8.09.39.914/212319,95839,981$0.37620.35s
Diferență-0.1-0.10.0-10+24534-39981+$0.028-64ms

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.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Step 3.7 FlashmediumvsGPT-5.2 ChatnoneStep 3.7 FlashmediumvsSeed-2.0-LitemediumStep 3.7 FlashmediumvsGPT-5.2mediumStep 3.7 FlashmediumvsGPT-5.4mediumStep 3.7 FlashmediumvsGrok 4.5mediumStep 3.7 FlashmediumvsGemini 3.5 FlashhighStep 3.7 FlashmediumvsGemini 3 Flash PreviewmediumStep 3.7 FlashmediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitStep 3.7 FlashmediumvsGPT-5.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 8.7 7.9
Programare 8.2 6.7
Combinat 10.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 7.7 10.0
Inteligență generală 4.0 10.0
Respectarea instrucțiunilor 9.8 10.0
Rezolvare de puzzle-uri 5.7 9.9
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate