מערכת שנבדקה

Step 3.7 Flash

נבדק כמודל APIמודל פתוחStepFun

מודל פתוח של StepFun עם חלון הקשר של 256K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 53.2.

ציונים לפי יכולת

דיוק עובדתי

כיסוי 28%

92.8

מחקר ברשת

כיסוי 30%

84.3

ביצוע משימות מרובות שלבים

כיסוי 26%

62.3

עבודה בשורת פקודה

כיסוי 43%

59.5

כתיבת קוד עצמאית

כיסוי 24%

58.0

שימוש בכלים

כיסוי 32%

57.3

קוד ופיתוח תוכנה

כיסוי 5%

56.3

תוצרים מקצועיים

כיסוי 44%

51.6

תנאי הבדיקה ופרטים נוספים

ספק: StepFun
תנאי ההרצה: מצב חשיבה · חלון הקשר 256K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-05-29
סוג פלט: טקסט
מחיר קלט / מיליון: $0.2
מחיר פלט / מיליון: $1.15
טוקנים לשנייה: 107
זמינות בישראל: מודל פתוח. ניתן להריץ עצמאית או דרך ספק אירוח
מדיניות נתונים: בהרצה עצמית הנתונים נשארים אצלכם; בהרצה דרך ספק אירוח חלה מדיניות הספק

התוצאות נמדדו בתנאים שמצוינים כאן. ביצועי אותה מערכת בתוך מוצר הכולל כלים, גלישה או סביבת עבודה אחרת עשויים להיות שונים.

תוצאות

כל תוצאות המבחנים (8)

דיוק עובדתי

מבחן הערכה	סטטוס	ציון	משקל	מקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	92.8	0.34	קישור למקור

לא נמצאו תוצאות עבור: SimpleQA · SimpleQA Verified

מחקר ברשת

מבחן הערכה	סטטוס	ציון	משקל	מקור
BrowseComp	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	75.8	0.34	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	92.8	0.34	קישור למקור

לא נמצאו תוצאות עבור: WebArena-Verified · WideResearch · Agents' Last Exam

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	59.5	0.85	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	49.5	0.42	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	51.6	0.40	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	92.8	0.34	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לפי דיווח היצרן	67.1	0.34	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Terminal-Bench 3.0 · OSWorld · MCP Atlas · AndroidWorld · WideResearch · Agents' Last Exam · AutomationBench · JobBench · MLE-bench

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	59.5	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	59.5	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	56.3	0.72	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · Terminal-Bench 3.0 · LiveBench Agentic Coding · CursorBench · Vibe Code Bench · DeepSWE

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Toolathlon	מדד משני לפי דיווח היצרן	49.5	0.42	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לפי דיווח היצרן	67.1	0.34	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · MCP Atlas

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	56.3	0.72	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · SWE-bench Verified · SWE-rebench · LiveCodeBench · Aider Polyglot · LiveBench Coding · LiveBench Agentic Coding · MirrorCode · SciCode · SWE-bench Lite · CursorBench · SWE-bench Multilingual · Vibe Code Bench · NL2Repo · DeepSWE · FrontierCode 1.1 · ProgramBench

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	51.6	0.40	קישור למקור

לא נמצאו תוצאות עבור: JobBench

מערכות נוספות

להשוואה

Apodex 1.1 Claude Fable 5 Claude Fable 5.1 Claude Opus 4.5 Claude Opus 4.5 Thinking Claude Opus 4.6 Claude Opus 4.6 (Adaptive)Claude Opus 4.7 Claude Opus 4.7 (Adaptive)Claude Opus 4.8 Claude Opus 5 Claude Sonnet 4.6 Claude Sonnet 5 Command A+DeepSeek-R1 DeepSeek R1 Distill Qwen 32B DeepSeek V3 DeepSeek V3.1 DeepSeek V3.1 (Reasoning)DeepSeek V3.2 DeepSeek V4.1 Flash DeepSeek V4 Flash 0423 DeepSeek V4 Flash Vision Exp DeepSeek V4 Pro 0423 DeepSeek V4 Pro 0813 Exaone 4.0 1.2B Exaone 4.0 32B Gemini 2.5 Flash Gemini 2.5 Pro Gemini 3.1 Flash Lite Gemini 3.1 Pro Gemini 3.5 Flash Gemini 3.5 Flash-Lite Gemini 3.6 Flash Gemini 3.7 Flash Gemini 3.8 Flash Gemini 3 Flash Gemini 3 Pro Gemma 4 26B A4B Gemma 4 31B GLM-4.5-Air GLM-4.6 GLM-4.7 GLM-4.7-Flash GLM-5 GLM-5.1 GLM-5.2 GLM-5.3 GLM-5.3-Flash GLM-5-Turbo GLM-5V-Turbo GPT-5.1 GPT-5.2 GPT-5.3 Codex GPT-5.4 GPT-5.4 mini GPT-5.4 nano GPT-5.5 GPT-5.6 Luna GPT-5.6 Sol GPT-5.6 Terra GPT-5 (high)GPT-6 Astra Granite-4.0-1B Granite-4.0-350M Granite-4.0-H-1B Granite-4.0-H-350M Granite 4.2 8B Grok 4 Grok 4.1 Fast Grok 4.1 Fast (Reasoning)Grok 4.3 Grok 4.5 Grok 4.6 Grok 4 Fast (Reasoning)Grok Build 0.1 Grok Code Fast 1 Hy3 Hy3 Preview Inkling Inkling-Small K-Exaone Kimi K2.6 Kimi K2 Kimi K2.5 Kimi K2.5 (Reasoning)Kimi K2.7 Code Kimi K3 LFM2.5-2.6B LFM2.5-8B-A1B Ling 2.6 Flash Ling 3.0 Flash Llama 3.1 405B Llama 4 Maverick Llama 4 Scout Mercury 2 MiMo-V2.5-Pro MiMo-V2-Flash MiMo-V2-Omni MiMo-V2-Pro MiniMax M1 80k MiniMax M2.5 MiniMax M2.7 MiniMax M3 Ministral 3 14B Ministral 3 14B (Reasoning)Ministral 3 3B (Reasoning)Ministral 3 8B Ministral 3 8B (Reasoning)Mistral Large 2 Mistral Large 3 Mistral Medium 3 Mistral Medium 3.5 128B Mistral Small 4 Muse Glimmer 30B Muse Spark Muse Spark 1.1 Muse Spark 1.2 Nemotron 3.5 Content Safety Nemotron 3.5 Lightning Nemotron 3.5 Lightning 30B A3B NVFP4 Nemotron 3 Nano 30B Nemotron 3 Nano Omni 30B A3B Nemotron 3 Super 100B Nemotron 3 Super 120B A12B Nemotron 3 Ultra Nemotron Ultra 253B Nova Pro Phi-4 Qwen3.5-122B-A10B Qwen3.5-27B Qwen3.5-35B-A3B Qwen3.5 397B Qwen3.5 397B (Reasoning)Qwen3.5 Plus 2026-04-20 Qwen3.6-27B Qwen3.6 35B A3B Qwen3.6 Flash Qwen 3.6 Max (preview)Qwen3.6 Plus Qwen3.7 Flash Qwen3.7 Max Qwen3.7 Plus Qwen3.8 2.4T A95B Qwen3.8-27B Qwen3.8 Flash Qwen3.8-Flash-Next Sarvam 105B Sarvam 30B Solar Pro 2 Step 3.5 Flash Trinity-Large-Preview Trinity-Large-Thinking