Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Stepfun · pașaport de model

Step 3

step-3

Ponderi deschise
Licență Apache 2.0
Lansat 2026-10-09(văzut prima dată pe LMArena)

General · LMArena: 1,349#202 din 396
Cea mai bună percentilă: 52.8Prompturi dificile
Poziția în cohortă: 48.2mediană 60.7

Ce spun datele

Evaluat pe 5 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 23,5 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 52.8 pct pe Prompturi dificile față de 29.3 pct pe Vision Arena.

Prompturi dificile52.8 pct1,379Verifică →
Programare52.4 pct1,409Verifică →
Urmarea instrucțiunilor51.5 pct1,344Verifică →
General49.2 pct1,349Verifică →
Vision Arena29.3 pct1,145Verifică →
WebDev ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
LiveBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
MMLU-Pro (Artificial Analysis)Neevaluat
LiveCodeBench (Artificial Analysis)Neevaluat
IFBench (Artificial Analysis)Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

step-3 stands at 48.2 (raw mean 47.1) — measured on 5 of 27 axes.
pozițieșablonVerifică →
step-3 stands at 48.2 versus a cohort median of 60.7 across 171 models released within 180 days — below the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →