Advertise here
#250

Step 5 Preview

Stepfun Lansare: 2026-10-09 Testat la: 2026-10-09 03:52 stepfun/step-5-preview::medium
600B în total (27B activi)MoEÎnchis
(high) (medium) (low)

Rezumat

Step 5 Preview obține 6.1 pe AI BENCHY și este pe #250. Are fiabilitate 9.6, rată de reușită 53.6%, cost total $4.136 și timp mediu de răspuns 136.10s.

Ce face Step 5 Preview unic: Se remarcă cel mai mult la Respectarea instrucțiunilor, unde este pe #1, iar Programare 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

6.1

Consistență

8.2

Fiabilitate

9.6

Cost total (preț curent)

$4.136

Total tokenuri de ieșire

1,434,621

Total tokenuri de intrare

261,842

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: 53.6%

Teste instabile

5

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

Timp de răspuns (mediu)

136.10s

Timp de răspuns (maxim): 438.09s

Timp de răspuns (total): 3130.27s

Fără răspuns: 6 Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Eroare API: 1 Apel de instrument invalid: 1

Hamster playing table tennis

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

#250 Step 5 Preview

medium
Cost
$0.042
Timp
90.3s
Tokenuri
15,574 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 PreviewmediumvsQwen3.5 Plus 2026-04-20noneStep 5 PreviewmediumvsGranite 4.2 8BmediumStep 5 PreviewmediumvsInklingnoneDisponibil gratuitStep 5 PreviewmediumvsKAT-Coder-Pro V2.5defaultStep 5 PreviewmediumvsApodex 1.1 MinilowDisponibil gratuitStep 5 PreviewmediumvsApodex 1.1 MinimediumDisponibil gratuitStep 5 PreviewmediumvsTrinity Large ThinkingmediumStep 5 PreviewmediumvsGLM 5.3 FlashXlowStep 5 PreviewmediumvsGemini 3.5 FlashnoneStep 5 PreviewmediumvsMiMo-V2.6-Pronone

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Sarcini agentice 6.1 3.1
Trucuri anti-AI 6.4 7.9
Programare 2.8 7.2
Combinat 7.3 5.8
Parsare și extragere de date 10.0 10.0
Specific domeniului 2.9 7.2
Inteligență generală 3.4 9.3
Respectarea instrucțiunilor 10.0 10.0
Rezolvare de puzzle-uri 7.8 10.0
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate