AI BENCHY Compare

Google: Gemini 2.5 Flash vs StepFun: Step 3.5 Flash

Сводка

Сравнение benchmark Gemini 2.5 Flash vs Step 3.5 Flash: Step 3.5 Flash лидирует по среднему баллу: 6.6 vs 6.2. Gemini 2.5 Flash имеет более низкую стоимость benchmark: $0.016 vs $0.070. Gemini 2.5 Flash быстрее: 875ms vs 72.53s, с долей успешных попыток 46.0% vs 54.0%.

Рекомендуемая модель: Gemini 2.5 Flash - Его балл близок к лучшему здесь (6.2 против 6.6), при этом он примерно в 4.5 раза дешевле, чем Step 3.5 Flash.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-18

Метрика	Gemini 2.5 Flash Gemini 2.5 Flash none Релиз: 2025-06-17	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01

Метрика	Gemini 2.5 Flash Gemini 2.5 Flash none Релиз: 2025-06-17	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01
Оценка	6.2	6.6
Ранг	#93	#80
Надежность	10.0	10.0
Стабильность	9.6	8.9
Тестов верно
Доля успешных попыток	46.0%	54.0%
Нестабильные тесты	1	1
Всего запусков	63	60
Стоимость за результат	0.169	0.198
Общая стоимость	$0.016	$0.070
Цена входа	$0.300 / 1M	$0.090 / 1M
Цена выхода	$2.500 / 1M	$0.300 / 1M
Общее число входных токенов	35,926	34,431
Выходные токены	1,770	91,587
Токены рассуждений	0	195,973
Время ответа (среднее)	875ms	72.53s
Время ответа (макс.)	4.39s	453.94s
Время ответа (суммарно)	18.37s	1015.47s

Генерация showcase

Hamster playing table tennis

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

#93 Gemini 2.5 Flash

none

Неверный SVG

Стоимость: $0.164
Время: 215.5s
Токены: 65,659 tok

#80 Step 3.5 Flash

medium

Стоимость: $0.008
Время: 277.1s
Токены: 23,695 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Gemini 2.5 Flash	3.0	10.0	0.0%	0		582ms	492	102	0
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Gemini 2.5 Flash	5.5	10.0	33.3%	0		736ms	8,122	483	0
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Gemini 2.5 Flash	3.0	10.0	0.0%	0		4.39s	12,519	366	0
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Gemini 2.5 Flash	10.0	10.0	100.0%	0		652ms	7,257	279	0
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Gemini 2.5 Flash	5.9	7.2	55.6%	1		495ms	633	12	0
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Gemini 2.5 Flash	5.0	10.0	0.0%	0		615ms	486	78	0
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Gemini 2.5 Flash	10.0	10.0	100.0%	0		590ms	615	72	0
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Gemini 2.5 Flash	7.7	10.0	66.7%	0		604ms	558	132	0
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Gemini 2.5 Flash	10.0	10.0	100.0%	0		1.91s	5,088	234	0
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Gemini 2.5 Flash	3.0	10.0	0.0%	0		1.15s	156	12	0
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Быстрое сравнение

Сменить пару сравнения