Preferenze complessive sul testo da confronti diretti. Non misura accuratezza fattuale o riuscita dei compiti.
13801420
Step 3.5 Flash
Step-3.5-Flash · Intervallo 95% 1399,2–1406,3 · 60,305 voti · 2026-10-28
Risultati registrati
Ogni riga usa lo stesso benchmark, versione, carico, scenario e unità. I risultati mancanti non valgono zero. I risultati di sistema includono tutta la configurazione hardware e software.
Arena text preference / chinesehuman preference · 2026-10-28 · rating
Step 3.5 Flash
1.446,33 rating
Intervallo di confidenza: 1.436,31 – 1.456,35
3667 voti
Categoria
chinese
Configurazione valutata
Step-3.5-Flash
Tipo di valutazione
human preference
Arena text preference / codinghuman preference · 2026-10-28 · rating
Step 3.5 Flash
1.435,79 rating
Intervallo di confidenza: 1.430,14 – 1.441,44
15184 voti
Categoria
coding
Configurazione valutata
Step-3.5-Flash
Tipo di valutazione
human preference
Arena text preference / creative_writinghuman preference · 2026-10-28 · rating
Step 3.5 Flash
1.356,96 rating
Intervallo di confidenza: 1.350,27 – 1.363,66
9760 voti
Categoria
creative_writing
Configurazione valutata
Step-3.5-Flash
Tipo di valutazione
human preference
Arena text preference / englishhuman preference · 2026-10-28 · rating
Step 3.5 Flash
1.417,22 rating
Intervallo di confidenza: 1.412,49 – 1.421,95
25238 voti
Categoria
english
Configurazione valutata
Step-3.5-Flash
Tipo di valutazione
human preference
Arena text preference / exclude_tieshuman preference · 2026-10-28 · rating
Step 3.5 Flash
1.384,06 rating
Intervallo di confidenza: 1.379,30 – 1.388,82
43895 voti
Categoria
exclude_ties
Configurazione valutata
Step-3.5-Flash
Tipo di valutazione
human preference
Arena text preference / experthuman preference · 2026-10-28 · rating
Step 3.5 Flash
1.421,53 rating
Intervallo di confidenza: 1.413,14 – 1.429,91
5336 voti
Categoria
expert
Configurazione valutata
Step-3.5-Flash
Tipo di valutazione
human preference
Arena text preference / frenchhuman preference · 2026-10-28 · rating
Step 3.5 Flash
1.421,69 rating
Intervallo di confidenza: 1.407,15 – 1.436,22
2041 voti
Categoria
french
Configurazione valutata
Step-3.5-Flash
Tipo di valutazione
human preference
Arena text preference / germanhuman preference · 2026-10-28 · rating
Step 3.5 Flash
1.404,89 rating
Intervallo di confidenza: 1.386,25 – 1.423,53
1075 voti
Categoria
german
Configurazione valutata
Step-3.5-Flash
Tipo di valutazione
human preference
Arena text preference / hard_promptshuman preference · 2026-10-28 · rating
Step 3.5 Flash
1.410,71 rating
Intervallo di confidenza: 1.406,46 – 1.414,97
37538 voti
Categoria
hard_prompts
Configurazione valutata
Step-3.5-Flash
Tipo di valutazione
human preference
Arena text preference / hard_prompts_englishhuman preference · 2026-10-28 · rating
Step 3.5 Flash
1.420,59 rating
Intervallo di confidenza: 1.415,01 – 1.426,18
16232 voti
Categoria
hard_prompts_english
Configurazione valutata
Step-3.5-Flash
Tipo di valutazione
human preference
Arena text preference / industry_business_and_management_and_financial_operationshuman preference · 2026-10-28 · rating
Arena text preference / industry_entertainment_and_sports_and_mediahuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.359,79 rating
Intervallo di confidenza: 1.353,58 – 1.366,00
12077 voti
Categoria
industry_entertainment_and_sports_and_media
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / industry_legal_and_governmenthuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.407,80 rating
Intervallo di confidenza: 1.398,73 – 1.416,87
4662 voti
Categoria
industry_legal_and_government
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / industry_life_and_physical_and_social_sciencehuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.414,51 rating
Intervallo di confidenza: 1.407,98 – 1.421,04
9818 voti
Categoria
industry_life_and_physical_and_social_science
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / industry_mathematicalhuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.420,79 rating
Intervallo di confidenza: 1.409,93 – 1.431,65
3155 voti
Categoria
industry_mathematical
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / industry_medicine_and_healthcarehuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.408,58 rating
Intervallo di confidenza: 1.399,06 – 1.418,11
4241 voti
Categoria
industry_medicine_and_healthcare
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / industry_software_and_it_serviceshuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.434,31 rating
Intervallo di confidenza: 1.429,40 – 1.439,21
22765 voti
Categoria
industry_software_and_it_services
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / industry_writing_and_literature_and_languagehuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.371,76 rating
Intervallo di confidenza: 1.366,05 – 1.377,46
14800 voti
Categoria
industry_writing_and_literature_and_language
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / instruction_followinghuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.384,72 rating
Intervallo di confidenza: 1.379,50 – 1.389,94
19325 voti
Categoria
instruction_following
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / japanesehuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.352,90 rating
Intervallo di confidenza: 1.328,71 – 1.377,10
679 voti
Categoria
japanese
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / koreanhuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.350,53 rating
Intervallo di confidenza: 1.331,75 – 1.369,31
1089 voti
Categoria
korean
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / longer_queryhuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.401,73 rating
Intervallo di confidenza: 1.396,61 – 1.406,85
22834 voti
Categoria
longer_query
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / mathhuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.408,17 rating
Intervallo di confidenza: 1.397,99 – 1.418,36
3425 voti
Categoria
math
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / multi_turnhuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.404,65 rating
Intervallo di confidenza: 1.398,18 – 1.411,13
10377 voti
Categoria
multi_turn
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / non_englishhuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.385,02 rating
Intervallo di confidenza: 1.380,79 – 1.389,25
35073 voti
Categoria
non_english
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / overallhuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.402,61 rating
Intervallo di confidenza: 1.399,09 – 1.406,12
60332 voti
Categoria
overall
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / polishhuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.389,29 rating
Intervallo di confidenza: 1.373,13 – 1.405,45
1364 voti
Categoria
polish
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / russianhuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.384,81 rating
Intervallo di confidenza: 1.377,58 – 1.392,03
7441 voti
Categoria
russian
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Arena text preference / spanishhuman preference · 2026-10-15 · rating
Step 3.5 Flash
1.418,57 rating
Intervallo di confidenza: 1.404,72 – 1.432,42
2012 voti
Categoria
spanish
Configurazione valutata
step-3.5-flash
Tipo di valutazione
human preference
Esecuzione locale
Inferenza · stima della memoria
Step 3.5 Flash
371,4 GiB di payload dei tensori del checkpoint · 199,38 B elementi dei tensori archiviati · BF16/F32
I tensori archiviati possono includere buffer e copie di pesi condivisi. Il numero di parametri unici non è verificato. Le dimensioni del checkpoint non indicano la memoria necessaria per eseguire il modello.
Costo API
USD / mese
Stima per token di testo standard. Esclude imposte, cache, sconti batch e costi aggiuntivi per ragionamento e modalità multimediali. Limiti e disponibilità possono variare per provider.