StepFun: Step 3.5 Flash

基准结果生成自 Aibenchy 测试套件，时间： : 2026年2月19日

类别细分

类别	完全通过的测试	Score	一致性	尝试通过率	不稳定测试	推理得分	成本
Anti-AI Tricks	1/2	5.50	5.81	83.3%	1	10.00	$0.00000
Data parsing and extraction	1/2	5.00	10.00	50.0%	0	9.75	$0.00000
Domain specific	1/3	4.00	7.21	44.4%	1	8.44	$0.00000
Instructions following	2/2	10.00	10.00	100.0%	0	9.67	$0.00000
Puzzle Solving	0/3	2.00	4.96	33.3%	2	9.22	$0.00000

将 StepFun: Step 3.5 Flash 与...对比

#17 · MiniMax

推理（medium）

Score: 5.08

一致性: 6.00

尝试通过率: 61.1%

不稳定测试: 6

每个结果成本: 4.0276

测试正确: 5/12

总成本: $0.20138

#19 · OpenAI

无推理

Score: 4.00

一致性: 9.98

尝试通过率: 25.0%

不稳定测试: 0

每个结果成本: 0.0576

测试正确: 3/12

总成本: $0.00173

#16 · Anthropic

推理（medium）

Score: 5.42

一致性: 8.60

尝试通过率: 55.5%

不稳定测试: 2

每个结果成本: 12.8695

测试正确: 6/12

总成本: $0.77217

将 StepFun: Step 3.5 Flash 与...对比