#60 Step 3.7 Flash
low
غلط SVG
- لاگت
- $0.004
- وقت
- 25.3s
- ٹوکنز
- 3,072 tok
Stepfun
اجرا: 2026-05-29
ٹیسٹ کیا گیا: 2026-05-29 11:49
stepfun/step-3.7-flash::low
198B کل (11B فعال)MoEکھلا ماخذ
خلاصہ
Step 3.7 Flash AI BENCHY پر 7.4 اسکور کرتا ہے اور #60 پر ہے۔ اس کی reliability 10.0، pass rate 68.3%، کل لاگت $0.336، اور اوسط response time 16.06s ہے۔
Step 3.7 Flash کو منفرد کیا بناتا ہے: یہ کوڈنگ میں سب سے نمایاں ہے، جہاں اس کا rank #1 ہے؛ جبکہ عمومی ذہانت اس کا کمزور ترین حصہ ہے، rank #18.
ماڈل کی تفصیلات
تحقیق کی تاریخ: 2026-08-12
- پیرامیٹرز
- 198B کل (11B فعال)
- ساخت
- MoE
- دستیابی
- کھلا ماخذ
- لائسنس
- Apache-2.0
7.4
تسلسل
8.7
10.0
$0.336
کل آؤٹ پٹ ٹوکنز
285,209
کل ان پٹ ٹوکنز
0
ان پٹ قیمت
$0.200 / 1M
آؤٹ پٹ قیمت
$1.150 / 1M
غیر مستحکم ٹیسٹ
3
غیر مستحکم ٹیسٹس میں رنز کے درمیان ملے جلے نتائج آئے (کم از کم ایک کامیاب اور ایک ناکام).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
رن ہسٹری
| ٹیسٹ کیا گیا | اسکور | اعتماد پذیری | درست ٹیسٹس | کل لاگت | موازنہ کریں |
|---|---|---|---|---|---|
| 2026-08-14 02:29 دوبارہ ٹیسٹ | 7.1 | 10.0 | $0.390 | موازنہ کریں | |
| 2026-07-16 22:46 نیا ٹیسٹ شامل ہوا | 7.3 | 10.0 | $0.454 | موازنہ کریں | |
| 2026-06-04 13:49 نیا ٹیسٹ شامل ہوا | 7.3 | 10.0 | $0.341 | موازنہ کریں | |
| 2026-05-29 11:49 پہلا رن | 7.4 | 10.0 | $0.336 | موجودہ رن |
رن موازنہ
| رن | بینچ مارک کوریج | اسکور | تسلسل | اعتماد پذیری | درست ٹیسٹس | غیر مستحکم ٹیسٹ | کل آؤٹ پٹ ٹوکنز | کل ان پٹ ٹوکنز | کل لاگت | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-29 11:49 · پہلا رن | 60/60 کوششیں | 7.4 | 8.7 | 10.0 | 12/20 | 3 | 285,209 | 0 | $0.336 | 16.06s |
| 2026-06-04 13:49 · نیا ٹیسٹ شامل ہوا | 63/63 کوششیں | 7.3 | 8.4 | 10.0 | 12/21 | 4 | 289,325 | 40,101 | $0.341 | 15.74s |
| فرق | — | +0.1 | +0.3 | 0.0 | 0 | -1 | -4116 | -40101 | -$0.006 | +311ms |
بینچ مارک کوریج مختلف ہے: 60/60 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔) بمقابلہ 63/63 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔)۔ مجموعے اور تکرار سے متاثر ہونے والے پیمانے براہ راست قابل موازنہ نہیں ہیں۔
ان دو رنز میں مختلف بینچ مارک سوٹس استعمال ہوئے تھے، اس لیے فرق میں ماڈل کی تبدیلی اور سوٹ کی تبدیلی دونوں شامل ہیں۔
چارٹس
پہلا ماڈل منتخب کریں، پھر دوسرا ماڈل کلک کریں تاکہ سائیڈ بائی سائیڈ صفحہ کھلے۔
اسکور کے لحاظ سے سرفہرست ماڈلز
اسکور vs کل لاگت
ردِعمل کا وقت (اوسط)
اسکور vs ردِعمل کا وقت (اوسط)
کل آؤٹ پٹ ٹوکنز
اسکور vs کل آؤٹ پٹ ٹوکنز
فوری موازنہ
Step 3.7 FlashlowvsMuse Glimmer 30BlowStep 3.7 FlashlowvsSolar Pro 4highStep 3.7 FlashlowvsQwen3.5-122B-A10BmediumStep 3.7 FlashlowvsGrok 4.3mediumStep 3.7 FlashlowvsMuse Glimmer 30BmediumStep 3.7 FlashlowvsGPT-5.6 SolnoneStep 3.7 FlashlowvsQwen3.7 FlashlowStep 3.7 FlashlowvsDeepSeek V3.2mediumStep 3.7 FlashlowvsQwen3.5 Plus 2026-04-20mediumStep 3.7 FlashlowvsGLM 5.1medium
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| اینٹی اے آئی چالیں | 8.7 | 7.9 | |
| کوڈنگ | 10.0 | 10.0 | |
| مشترکہ | 10.0 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 7.3 | 5.8 | |
| ڈومین مخصوص | 5.3 | 7.2 | |
| عمومی ذہانت | 3.4 | 9.3 | |
| ہدایات کی پیروی | 9.8 | 10.0 | |
| پہیلی حل کرنا | 5.5 | 9.9 | |
| ٹول کالنگ | 10.0 | 10.0 | |
| معلومات عامہ | 3.0 | 10.0 |