AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#169

Step 5 Preview

Stepfun Lansare: 2026-10-09 Testat la: 2026-10-09 03:50 stepfun/step-5-preview::high
600B în total (27B activi)MoEÎnchis
(high) (medium) (low)

Rezumat

Step 5 Preview obține 7.0 pe AI BENCHY și este pe #169. Are fiabilitate 9.5, rată de reușită 52.2%, cost total $4.513 și timp mediu de răspuns 154.41s.

Ce face Step 5 Preview unic: Se remarcă cel mai mult la Combinat, unde este pe #1, iar Trucuri anti-AI este zona cea mai slabă, la #16.

Date despre model

Documentat la 2026-10-09

Raportat
Parametri
600B în total (27B activi)
Arhitectură
MoE
Disponibilitate
Închis
Licență
-
Sursa parametrilor Sursa disponibilității

Scor

7.0

Consistență

8.5

Fiabilitate

9.5

Cost total (preț curent)

$4.513

Total tokenuri de ieșire

1,581,325

Total tokenuri de intrare

243,381

Preț de intrare

$1.000 / 1M

Preț de ieșire

$2.700 / 1M

Preț citire cache

$0.050 / 1M

Preț scriere cache

N/D

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Teste corecte

Teste greșite: 13

Rată de trecere pe încercare: 52.2%

Teste instabile

4

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

Timp de răspuns (mediu)

154.41s

Timp de răspuns (maxim): 455.72s

Timp de răspuns (total): 3551.40s

Fără răspuns: 7 Răspuns greșit: 3 Eroare API: 2 Nu a urmat instrucțiunile: 1

Hamster playing table tennis

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

#169 Step 5 Preview

high
Cost
$0.057
Timp
150.1s
Tokenuri
20,970 tok

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 5 PreviewhighvsEmber-1lowStep 5 PreviewhighvsQwen3.5-122B-A10BmediumStep 5 PreviewhighvsKimi K2.7 CodemediumStep 5 PreviewhighvsGrok 4.6lowStep 5 PreviewhighvsGemini 3.1 Flash Lite PreviewmediumStep 5 PreviewhighvsGemini 3 Flash PreviewlowStep 5 PreviewhighvsGPT-5.2 ChatdefaultStep 5 PreviewhighvsMuse Glimmer 30BlowStep 5 PreviewhighvsMiMo-V2.5mediumStep 5 PreviewhighvsGemini 3.1 Flash Litemedium

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Sarcini agentice 10.0 10.0
Trucuri anti-AI 6.5 8.0
Programare 2.9 10.0
Combinat 10.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 3.0 10.0
Inteligență generală 3.4 9.3
Respectarea instrucțiunilor 7.3 5.8
Rezolvare de puzzle-uri 5.8 4.4
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate