Навигация
AI BENCHY
Сравнить Графики Методология
❤️ Made by XCS
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Google: Gemini 2.5 Flash vs StepFun: Step 3.5 Flash

Сравнить:

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

Метрика Google: Gemini 2.5 Flash medium Релиз: 2025-06-17 StepFun: Step 3.5 Flash medium Релиз: 2026-02-01 Бесплатно доступно
Ранг #16 #13
Средний балл 7.4 7.4
Стабильность 9.5 9.1
Стоимость за результат 2.619 0.000
Общая стоимость $0.288 $0.000
Тестов верно
Доля успешных попыток 72.9% 68.8%
Нестабильные тесты 1 2
Всего запусков 48 (16 x 3) 48 (16 x 3)
Выходные токены 1,370 71,452
Токены рассуждений 110,522 155,147
Время ответа (среднее) 12.35s 29.10s
Время ответа (макс.) 95.48s 170.45s
Время ответа (суммарно) 197.62s 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
Google: Gemini 2.5 Flash 7.3 10.0 66.7% 0 6.98s 249 8,832
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
Google: Gemini 2.5 Flash 10.0 10.0 100.0% 0 28.44s 303 11,922
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
Google: Gemini 2.5 Flash 9.9 10.0 100.0% 0 4.06s 279 2,325
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
Google: Gemini 2.5 Flash 4.0 7.2 55.6% 1 37.34s 18 80,702
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
Google: Gemini 2.5 Flash 4.0 10.0 0.0% 0 4.86s 92 1,899
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
Google: Gemini 2.5 Flash 9.5 10.0 100.0% 0 2.62s 69 1,203
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
Google: Gemini 2.5 Flash 7.0 10.0 66.7% 0 3.94s 126 2,499
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
Google: Gemini 2.5 Flash 10.0 10.0 100.0% 0 6.20s 234 1,140
StepFun: Step 3.5 Flash 10.0 10.0 100.0% 0 11.91s 275 3,802

Быстрое сравнение

Сменить пару сравнения

Gemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.5 FlashmediumБесплатно доступноGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumБесплатно доступноGPT-5.3 ChatnonevsStep 3.5 FlashmediumБесплатно доступноGemini 3 Flash PreviewnonevsStep 3.5 FlashmediumБесплатно доступноGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumБесплатно доступноClaude Sonnet 4.6nonevsGemini 2.5 FlashmediumClaude Sonnet 4.6nonevsStep 3.5 FlashmediumБесплатно доступноGemini 3.1 Flash Lite PreviewhighvsStep 3.5 FlashmediumБесплатно доступноGemini 3 Flash PreviewlowvsStep 3.5 FlashmediumБесплатно доступноGemini 2.5 FlashmediumvsQwen3.5 Plus 2026-02-15none