Beam 1.0 501B A23B (medium) vs Step 3.7 Flash (high)

Средний балл практически равен: 6.6 vs 6.6. Beam 1.0 501B A23B (medium) имеет более низкую стоимость benchmark: $0.499 vs $1.478. Beam 1.0 501B A23B (medium) быстрее: 6.27s vs 72.72s, с долей успешных попыток 65.2% vs 58.0%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-17

Сравниваемые модели

Ранг: #220
Общее число выходных токенов: 98,521
Время ответа (среднее): 6.27s
Общая стоимость: $0.499

Ранг: #219
Общее число выходных токенов: 1,100,052
Время ответа (среднее): 72.72s
Общая стоимость: $1.478

Рекомендуемая модель Beam 1.0 501B A23B (medium)

Здесь у него лучший балл (6.6), при этом он примерно в 3.0 раза дешевле, чем Step 3.7 Flash (high).

Подробное сравнение

Метрика	Beam 1.0 501B A23B Beam 1.0 501B A23B medium Релиз: 2026-10-17	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29

Метрика	Beam 1.0 501B A23B Beam 1.0 501B A23B medium Релиз: 2026-10-17	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29
Оценка	6.6	6.6
Ранг	#220	#219
Надежность	10.0	10.0
Стабильность	9.3	8.5
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	65.2%	58.0%
Нестабильные тесты	2	4
Всего запусков	69	69
Стоимость за результат	3.561	12.267
Общая стоимость	$0.499	$1.478
Цена входа	$1.000 / 1M	$0.200 / 1M
Цена выхода	$3.000 / 1M	$1.150 / 1M
Цена чтения из кэша	$0.100 / 1M	$0.040 / 1M
Цена записи в кэш	Н/Д	Н/Д
Общее число входных токенов	202,937	421,200
Выходные токены	4,328	1,100,052
Токены рассуждений	94,193	0
Время ответа (среднее)	6.27s	72.72s
Время ответа (макс.)	31.55s	364.99s
Время ответа (суммарно)	144.28s	1672.53s
Параметры	501B всего (23B активных)	198B всего (11B активных)
Доступность	Открытый исходный код	Открытый исходный код

Цены кэша относятся к входным токенам. Чтение повторно использует сохранённые запросы; запись сохраняет их и может стоить дороже. Выходные токены оплачиваются по цене вывода.

Генерация showcase моделей

Hamster playing table tennis

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

#220 Beam 1.0 501B A23B

medium

Стоимость: $0.005
Время: 11.8s
Токены: 4,267 tok

#219 Step 3.7 Flash

high

Стоимость: $0.007
Время: 63.6s
Токены: 6,030 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

Категория:

Агентные задачи	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		31.55s	172,837	2,588	9,026
Step 3.7 Flash	5.4	9.6	0.0%	0		130.38s	322,500	49,152	0

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Beam 1.0 501B A23B	10.0	10.0	100.0%	0		1.62s	1,113	232	4,706
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Beam 1.0 501B A23B	10.0	10.0	100.0%	0		11.81s	7,791	440	27,204
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		2.62s	7,665	132	2,087
Step 3.7 Flash	8.7	6.9	83.3%	1		41.23s	73,938	49,842	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Beam 1.0 501B A23B	10.0	10.0	100.0%	0		1.24s	7,993	279	1,614
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Beam 1.0 501B A23B	2.9	7.2	11.1%	1		11.66s	1,113	71	29,077
Step 3.7 Flash	3.6	7.2	22.2%	1		189.35s	792	429,007	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Beam 1.0 501B A23B	4.7	1.6	66.7%	1		1.87s	615	96	1,532
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Beam 1.0 501B A23B	9.8	10.0	100.0%	0		1.24s	918	102	1,834
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Beam 1.0 501B A23B	10.0	10.0	100.0%	0		3.91s	1,029	281	9,130
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		1.95s	1,530	72	440
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		10.13s	333	35	7,543
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Сменить пару сравнения

Mercury 2mediumvsStep 3.7 Flashhigh KAT-Coder-Pro V2.5lowvsBeam 1.0 501B A23Bmedium KAT-Coder-Pro V2.5lowvsStep 3.7 Flashhigh LongCat 2.0lowvsStep 3.7 Flashhigh LongCat 2.0lowvsBeam 1.0 501B A23Bmedium Qwen3.7 FlashmediumvsStep 3.7 Flashhigh Claude Sonnet 5.5mediumvsStep 3.7 Flashhigh Qwen3.6 35B A3BmediumvsStep 3.7 Flashhigh Mercury 2.5 PreviewhighvsBeam 1.0 501B A23Bmedium Step 3.7 FlashhighvsGLM 5.2none GPT-5.5nonevsStep 3.7 Flashhigh Beam 1.0 501B A23BmediumvsGLM 5.2none