AI BENCHY Compare

Google: Gemini 3.5 Flash vs StepFun: Step 3.5 Flash

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

Метрика	Gemini 3.5 Flash Gemini 3.5 Flash low Релиз: 2026-05-19	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01

Метрика	Gemini 3.5 Flash Gemini 3.5 Flash low Релиз: 2026-05-19	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01
Оценка	9.3	7.4
Ранг	#3	#55
Надежность	10.0	10.0
Стабильность	10.0	9.4
Тестов верно
Доля успешных попыток	90.0%	59.7%
Нестабильные тесты	0	1
Всего запусков	60	57
Стоимость за результат	1.582	0.133
Общая стоимость	$0.285	$0.062
Цена входа	$1.500 / 1M	$0.090 / 1M
Цена выхода	$9.000 / 1M	$0.300 / 1M
Общее число входных токенов	33,935	33,555
Выходные токены	2,027	90,478
Токены рассуждений	23,938	173,544
Время ответа (среднее)	2.98s	43.20s
Время ответа (макс.)	6.44s	170.45s
Время ответа (суммарно)	59.59s	561.54s

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 3.5 Flash	10.0	10.0	100.0%	0		2.52s	494	209	2,536
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 3.5 Flash	6.8	10.0	50.0%	0		5.54s	5,115	452	6,839
Step 3.5 Flash	3.5	7.8	0.0%	0		62.83s	1,335	12,098	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Gemini 3.5 Flash	10.0	10.0	100.0%	0		6.44s	12,873	351	3,050
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 3.5 Flash	10.0	10.0	100.0%	0		1.81s	7,548	279	1,164
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 3.5 Flash	7.7	10.0	66.7%	0		3.39s	633	12	4,538
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 3.5 Flash	10.0	10.0	100.0%	0		2.27s	486	119	916
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 3.5 Flash	9.9	10.0	100.0%	0		1.86s	615	71	1,652
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 3.5 Flash	10.0	10.0	100.0%	0		2.35s	558	288	2,150
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 3.5 Flash	10.0	10.0	100.0%	0		3.27s	5,457	234	403
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 3.5 Flash	10.0	10.0	100.0%	0		1.88s	156	12	690
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Быстрое сравнение

Сменить пару сравнения

GPT-5.3 ChatnonevsStep 3.5 Flashmedium Gemini 3.1 Flash LitelowvsStep 3.5 Flashmedium Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium Claude Opus 4.8nonevsStep 3.5 Flashmedium Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmedium DeepSeek V4 FlashhighvsStep 3.5 Flashmedium Gemini 3 Flash PreviewnonevsStep 3.5 Flashmedium Gemini 3.5 FlashlowvsQwen3.7 Maxmedium Qwen3.6 Max PreviewnonevsStep 3.5 Flashmedium Claude Sonnet 4.6nonevsStep 3.5 Flashmedium Claude Opus 4.7mediumvsGemini 3.5 Flashlow GPT-5.2 ChatnonevsStep 3.5 Flashmedium