Сравнить Графики Методология

Язык:

❤️ Made by XCS

AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs StepFun: Step 3.5 Flash

Сравнить:

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-03-06

Метрика	Anthropic: Claude Sonnet 4.6 none Релиз: 2026-02-17	StepFun: Step 3.5 Flash medium Релиз: 2026-02-01 Бесплатно доступно
Ранг	#25	#13
Средний балл	6.8	7.4
Стабильность	9.6	9.1
Стоимость за результат	2.504	0.000
Общая стоимость	$0.251	$0.000
Тестов верно
Доля успешных попыток	66.7%	68.8%
Нестабильные тесты	1	2
Всего запусков	48 (16 x 3)	48 (16 x 3)
Выходные токены	6,895	71,452
Токены рассуждений	0	155,147
Время ответа (среднее)	5.57s	29.10s
Время ответа (макс.)	23.84s	170.45s
Время ответа (суммарно)	50.12s	290.96s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Средний балл vs Время ответа (среднее)

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Anthropic: Claude Sonnet 4.6	4.0	10.0	33.3%	0		4.83s	1,199	0
StepFun: Step 3.5 Flash	10.0	10.0	100.0%	0		18.54s	13,924	17,208

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Anthropic: Claude Sonnet 4.6	9.0	10.0	100.0%	0		23.84s	3,766	0
StepFun: Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	1,176	12,984

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Anthropic: Claude Sonnet 4.6	9.9	10.0	100.0%	0		3.43s	252	0
StepFun: Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	600	13,886

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Anthropic: Claude Sonnet 4.6	7.0	10.0	66.7%	0		3.54s	413	0
StepFun: Step 3.5 Flash	4.0	7.2	44.4%	1		170.45s	45,350	90,436

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Anthropic: Claude Sonnet 4.6	5.0	3.1	66.7%	1		2.56s	192	0
StepFun: Step 3.5 Flash	6.0	10.0	0.0%	0		6.54s	2,214	2,584

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Anthropic: Claude Sonnet 4.6	5.5	10.0	50.0%	0		1.96s	90	0
StepFun: Step 3.5 Flash	9.0	6.8	83.3%	1		4.98s	2,284	3,412

Puzzle Solving	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Anthropic: Claude Sonnet 4.6	7.0	10.0	66.7%	0		2.92s	536	0
StepFun: Step 3.5 Flash	4.0	10.0	33.3%	0		7.72s	5,629	10,835

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Anthropic: Claude Sonnet 4.6	10.0	10.0	100.0%	0		4.11s	447	0
StepFun: Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	275	3,802

Быстрое сравнение

Сменить пару сравнения

GPT-5.2 ChatnonevsStep 3.5 FlashmediumБесплатно доступно Claude Sonnet 4.6nonevsQwen3.5-Flashmedium Claude Sonnet 4.6nonevsSeed-2.0-Minimedium Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumБесплатно доступно GPT-5.3 ChatnonevsStep 3.5 FlashmediumБесплатно доступно Gemini 3 Flash PreviewnonevsStep 3.5 FlashmediumБесплатно доступно Claude Sonnet 4.6nonevsGPT-5.2medium Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumБесплатно доступно Claude Sonnet 4.6nonevsKimi K2.5medium Claude Sonnet 4.6nonevsMiMo-V2-Flashmedium Claude Sonnet 4.6nonevsDeepSeek V3.2medium Claude Sonnet 4.6nonevsGemini 3.1 Flash Lite Previewlow