Agnes 3.0 Flash vs Step 5 Preview
在两者都有结果的 10 项基准测试中,Step 5 Preview 在 10 项上得分更高。
BenchLeader 读取的基准测试发布方都已不再收录 Agnes 3.0 Flash,因此它的数据自 2026年9月22日 起停止更新。Step 5 Preview 的数据为截至 2026年11月16日 的最新数据。每项分数都标注了发布日期。
| 基准测试 | ||
|---|---|---|
| AA Intelligence Index v4.3.2 | 35.5 2026年9月11日 | 43.7 2026年9月18日 |
| AA-LCR v1.1 | 81.0% 2026年9月11日 | 88.3% 2026年9月18日 |
| AA-Omniscience v1.1 | -10.6 2026年9月11日 | 16.4 2026年9月18日 |
| Humanity's Last Exam (AA) | 38.5% 2026年9月11日 | 46.5% 2026年9月18日 |
| SciCode (AA) | 51.6% 2026年9月11日 | 58.9% 2026年9月18日 |
| CritPt | 15.1% 2026年9月19日 | 20.9% 2026年9月18日 |
| GDPval-AA v2.1, normalised score | 52.5% 2026年9月20日 | 54.3% 2026年9月18日 |
| Terminal-Bench 4.0 (AA) | 7.1% 2026年9月22日 | 33.3% 2026年9月18日 |
| AA-Omniscience v1.1: accuracy | 25.5% 2026年9月22日 | 36.4% 2026年9月18日 |
| AA-Omniscience v1.1: non-hallucination | 51.6% 2026年9月22日 | 68.7% 2026年9月18日 |
| 混合价格(每百万 token,3:1) | $0.075 | $1.43 |
| 输出速度 | 317 tok/s | 124 tok/s |
查看 Agnes 3.0 Flash 最后测得的全部数据,或前往 Step 5 Preview 的页面,了解它与仍在测量的模型相比如何。完整列表见排行榜。