AI BENCHY Compare

StepFun: Step 3.5 Flash vs Xiaomi: MiMo-V2.5

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-04-22

Метрика	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01	MiMo-V2.5 MiMo-V2.5 medium Релиз: 2026-04-22

Метрика	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01	MiMo-V2.5 MiMo-V2.5 medium Релиз: 2026-04-22
Оценка	7.9	7.8
Ранг	#31	#35
Стабильность	9.1	8.6
Тестов верно
Доля успешных попыток	70.6%	74.1%
Нестабильные тесты	2	3
Всего запусков	49	54
Стоимость за результат	0.000	2.102
Общая стоимость	$0.000	$0.253
???? ?????	$0.100 / 1M	$0.400 / 1M
???? ??????	$0.300 / 1M	$2.000 / 1M
Выходные токены	71,904	2,840
Токены рассуждений	155,607	116,242
Время ответа (среднее)	26.78s	13.71s
Время ответа (макс.)	170.45s	86.93s
Время ответа (суммарно)	294.58s	246.73s

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)	Выходные токены	Токены рассуждений
Step 3.5 Flash	10.0	10.0	100.0%	0		13.56s	14,376	17,668
MiMo-V2.5	10.0	10.0	100.0%	0		1.98s	303	2,022

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	1,176	12,984
MiMo-V2.5	10.0	10.0	100.0%	0		16.86s	363	7,609

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	600	13,886
MiMo-V2.5	2.7	5.7	16.7%	1		6.33s	306	5,714

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	45,350	90,436
MiMo-V2.5	5.3	10.0	33.3%	0		34.53s	507	49,478

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.5 Flash	5.5	10.0	0.0%	0		6.54s	2,214	2,584
MiMo-V2.5	3.8	2.5	33.3%	1		1.55s	118	170

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.5 Flash	8.5	6.8	83.3%	1		4.98s	2,284	3,412
MiMo-V2.5	9.9	10.0	100.0%	0		1.80s	88	801

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.5 Flash	5.3	10.0	33.3%	0		7.72s	5,629	10,835
MiMo-V2.5	8.2	7.2	88.9%	1		20.60s	364	33,211

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	275	3,802
MiMo-V2.5	10.0	10.0	100.0%	0		7.29s	303	2,424

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.5 Flash	-	-	-	-	-	-	-	-
MiMo-V2.5	10.0	10.0	100.0%	0		31.48s	488	14,813

Быстрое сравнение

Сменить пару сравнения

Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium GPT-5.2 ChatnonevsStep 3.5 Flashmedium GPT-5.3 ChatnonevsMiMo-V2.5medium Gemini 3.1 Flash Lite PreviewnonevsMiMo-V2.5medium GPT-5.2 ChatnonevsMiMo-V2.5medium Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmedium GPT-5.3 ChatnonevsStep 3.5 Flashmedium Gemini 3 Flash PreviewnonevsStep 3.5 Flashmedium Claude Sonnet 4.6nonevsMiMo-V2.5medium Gemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5medium Gemini 3 Flash PreviewnonevsMiMo-V2.5medium Claude Sonnet 4.6nonevsStep 3.5 Flashmedium