AI BENCHY
Advertise here
#32

Step 3.7 Flash

Stepfun اجرا: 2026-05-29 ٹیسٹ کیا گیا: 2026-05-29 11:49 stepfun/step-3.7-flash::medium
198B کل (11B فعال)MoEکھلا ماخذ
(high) (medium) (low)

خلاصہ

Step 3.7 Flash AI BENCHY پر 7.9 اسکور کرتا ہے اور #32 پر ہے۔ اس کی reliability 9.9، pass rate 71.7%، کل لاگت $0.404، اور اوسط response time 20.29s ہے۔

Step 3.7 Flash کو منفرد کیا بناتا ہے: یہ ڈومین مخصوص میں سب سے نمایاں ہے، جہاں اس کا rank #1 ہے؛ جبکہ عمومی ذہانت اس کا کمزور ترین حصہ ہے، rank #18. اس score range کے لیے اس کی کل benchmark لاگت غیر معمولی طور پر کم ہے۔

ماڈل کی تفصیلات

تحقیق کی تاریخ: 2026-08-12

شائع شدہ
پیرامیٹرز
198B کل (11B فعال)
ساخت
MoE
دستیابی
کھلا ماخذ
لائسنس
Apache-2.0
پیرامیٹرز کا ماخذ دستیابی کا ماخذ

اسکور

7.9

تسلسل

9.2

اعتماد پذیری

9.9

کل لاگت (موجودہ قیمت)

$0.404

کل آؤٹ پٹ ٹوکنز

344,492

کل ان پٹ ٹوکنز

0

ان پٹ قیمت

$0.200 / 1M

آؤٹ پٹ قیمت

$1.150 / 1M

درست ٹیسٹس

غلط ٹیسٹس: 7

فی کوشش کامیابی کی شرح: 71.7%

غیر مستحکم ٹیسٹ

2

غیر مستحکم ٹیسٹس میں رنز کے درمیان ملے جلے نتائج آئے (کم از کم ایک کامیاب اور ایک ناکام).

ردِعمل کا وقت (اوسط)

20.29s

ردِعمل کا وقت (زیادہ سے زیادہ): 136.44s

ردِعمل کا وقت (کل): 405.79s

غلط جواب: 5 ہدایات پر عمل نہیں کیا: 1 کوئی جواب نہیں: 1

Hamster playing table tennis

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

#32 Step 3.7 Flash

medium
لاگت
$0.006
وقت
46.2s
ٹوکنز
4,466 tok

رن ہسٹری

ٹیسٹ کیا گیا اسکور اعتماد پذیری درست ٹیسٹس کل لاگت موازنہ کریں
2026-08-14 02:31 دوبارہ ٹیسٹ 7.9 10.0 $0.495 موازنہ کریں
2026-07-16 22:50 نیا ٹیسٹ شامل ہوا 8.0 9.9 $0.515 موازنہ کریں
2026-06-04 13:52 نیا ٹیسٹ شامل ہوا 8.0 9.9 $0.376 موازنہ کریں
2026-05-29 11:49 پہلا رن 7.9 9.9 $0.404 موجودہ رن

رن موازنہ

رنبینچ مارک کوریجاسکورتسلسلاعتماد پذیریدرست ٹیسٹسغیر مستحکم ٹیسٹکل آؤٹ پٹ ٹوکنزکل ان پٹ ٹوکنزکل لاگتردِعمل کا وقت (اوسط)
2026-05-29 11:49 · پہلا رن60/60 کوششیں7.99.29.913/202344,4920$0.40420.29s
2026-08-14 02:31 · دوبارہ ٹیسٹ66/66 کوششیں7.98.910.013/223409,709114,191$0.49523.51s
فرق—0.0+0.3-0.10-1-65217-114191-$0.091-3220ms

بینچ مارک کوریج مختلف ہے: 60/60 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔) بمقابلہ 66/66 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۔

کل آؤٹ پٹ ٹوکنز

اسکور vs کل آؤٹ پٹ ٹوکنز

فوری موازنہ

Step 3.7 FlashmediumvsGPT-5.2 ChatnoneStep 3.7 FlashmediumvsQwen3.8 27BlowStep 3.7 FlashmediumvsKimi K3maxStep 3.7 FlashmediumvsQwen3.7 PlusmediumStep 3.7 FlashmediumvsGPT-5.6 TerrahighStep 3.7 FlashmediumvsQwen3.6 PlusmediumStep 3.7 FlashmediumvsInklingmediumStep 3.7 FlashmediumvsGemini 3.5 Flash LitemediumStep 3.7 FlashmediumvsGLM 5.2highStep 3.7 FlashmediumvsGLM 5.2medium

زمرہ وار تفصیل

زمرہ اسکور تسلسل درست ٹیسٹس
اینٹی اے آئی چالیں 8.7 7.9
کوڈنگ 8.2 6.7
مشترکہ 10.0 10.0
ڈیٹا پارسنگ اور استخراج 10.0 10.0
ڈومین مخصوص 7.7 10.0
عمومی ذہانت 4.0 10.0
ہدایات کی پیروی 9.8 10.0
پہیلی حل کرنا 5.7 9.9
ٹول کالنگ 10.0 10.0
معلومات عامہ 3.0 10.0

موازنہ کیے گئے ماڈلز