导航
AI BENCHY
比较 图表
❤️ Made by XCS
Your ad here

AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs StepFun: Step 3.5 Flash

模型名称:

基准结果生成自 AI BENCHY 测试套件，时间： : 2026-02-27 15:16

摘要

指标 Anthropic: Claude Sonnet 4.6 none 发布日期: 发布日期未知 StepFun: Step 3.5 Flash medium 发布日期: 发布日期未知 免费可用
排名 #14 #11
分数 6.36 7.00
一致性 9.50 8.32
每个结果成本 1.325 0.000
总成本 $0.106 $0.000
测试正确
错误测试数 6 5
尝试通过率 59.5% 73.8%
不稳定测试 1 3
输出令牌 2,637 60,502
推理令牌 0 117,044

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 4.00 10.00 33.3% 0 1,199 0
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 13,924 17,208
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 252 0
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 535 11,548
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 7.00 10.00 66.7% 0 54 0
StepFun: Step 3.5 Flash 4.00 7.21 44.4% 1 40,942 74,237
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 5.50 10.00 50.0% 0 90 0
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 2,121 3,274
Puzzle Solving 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 5.00 7.68 44.4% 1 595 0
StepFun: Step 3.5 Flash 2.00 4.96 33.3% 2 2,705 6,975
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 447 0
StepFun: Step 3.5 Flash 10.00 10.00 100.0% 0 275 3,802

切换对比组合

将 Anthropic: Claude Sonnet 4.6 与...对比

将 StepFun: Step 3.5 Flash 与...对比