StepFun: Intelligenz, Leistung und Preise der Modelle

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

StepFun

Diese Analyse soll Sie bei der Auswahl des besten von StepFun angebotenen Modells für Ihren Anwendungsfall unterstützen.

Höchste Intelligenz

Updated

Step 5 Preview

Intelligence Index

Insgesamt 4 Modelle

Kürzeste Zeit pro Aufgabe

Step 5 Preview

14.5 min

Zeit pro Aufgabe des Intelligence Index (Minuten)

Insgesamt 4 Modelle

Niedrigster Preis

Step 3.5 Flash 2603

$0.06

Step 3.5 Flash

$0.06

Step 3.7 Flash

$0.18

Step 5 Preview

$0.54

Mischpreis (pro 1 Mio. Tokens)

Insgesamt 4 Modelle

StepFun bietet 4 Modelle mit jeweils unterschiedlichen Merkmalen bei Intelligenz, Leistung und Preis an. Nachfolgend werden die wichtigsten Metriken der Modelle verglichen.

Bei der Latenz bieten Step 3.7 Flash (14.71 s), Step 5 Preview (24.28 s) und Step 3.5 Flash (25.58 s) die kürzeste Zeit bis zum ersten Antworttoken.
Beim Preis bieten Step 3.5 Flash 2603 ($0.06), Step 3.5 Flash ($0.06) und Step 3.7 Flash ($0.18) die niedrigsten Mischpreise pro 1 Mio. Tokens. Die Preise unterscheiden sich zwischen den Modellen bis zum 8.4-Fachen.
Bei der Größe des Kontextfensters unterstützen Step 5 Preview (1M), Step 3.5 Flash 2603 (256k) und Step 3.7 Flash (256k) die größten Kontextfenster von StepFun.

Updated

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

Zeit pro Aufgabe

Inference time (minutes) per Intelligence Index task · Lower is better

Preis

USD per 1M tokens (blended) · Lower is better

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 AccuracyUpdated

Knowledge

AA-Omniscience v1.1 Non-Hallucination RateUpdated

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode-AA 2.0New

Agentic software engineering in open-source repositories

HLE-DiamondNew

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

No data available

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

AA-3DNew

Agentic interactive 3D experiences, Elo

Code2Video-AANew

Product and brand videos designed in code, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AAUpdated

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Intelligence Index vs. Preis

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended)

Most attractive quadrant

While higher intelligence models are typically more expensive, they do not all follow the same price-quality curve.

Preise

Kosten pro Aufgabe des Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Intelligence Index vs. Preis

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended)

Most attractive quadrant

While higher intelligence models are typically more expensive, they do not all follow the same price-quality curve.

Geschwindigkeit

Durchschnitt der gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen

Zeit pro Aufgabe des Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Lower is better

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Qualität

Kontextfenster

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Latenz

Durchschnitt der gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen

Zeit bis zum ersten Antworttoken

Sekunden bis zum ersten Antworttoken nach etwaigem Reasoning · Durchschnitt der gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen · Niedriger ist besser

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Zuverlässigkeit

Anteil der fehlgeschlagenen Anfragen des Endpunkts über alle gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen

Endpunkt-Fehlerrate

Anteil der Anfragen mit Fehler, Ratenlimit oder Zeitüberschreitung des Endpunkts · Über alle gemessenen Workloads mit einzelnen Anfragen und agentischen Multi-Turn-Sitzungen · Niedriger ist besser

Share of requests over the past 5 days that the endpoint failed with an error, a rate limit or a timeout. Failures on our side are left out of both counts. Across several workloads, the failures and requests are pooled before dividing.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Caching

Cache-Trefferquote

Median über die Läufe agentischer Multi-Turn-Sitzungen in den letzten vier Wochen, aktualisiert am 26. Okt. 2026 · Höher ist besser

The share of cacheable input tokens served from the provider's prompt cache, measured during multi-turn agentic sessions. We regularly measure each endpoint and report a representative rate based on recent measurements. Higher values mean more of the input is billed at the cheaper cache-hit price, where the provider offers one, which lowers the effective cost of agentic workloads. For further details, see our methodology page.

Kosten pro Aufgabe vs. Cache-Trefferquote

Weighted average cost (USD) per Intelligence Index task · Cache hit rate: median of the last four weeks, updated Oct 26, 2026

Most attractive quadrant


								Weitere Analyse
Step 5 Preview	29	$2.35	14.4	24.26	0.0%	1M	Offen	Modell Anbieter
Step 3.5 Flash 2603	--	--	--	25.96	0.0%	256k	Proprietär	Modell Anbieter
Step 3.7 Flash	--	--	--	14.71	0.0%	256k	Offen	Modell Anbieter
Step 3.5 Flash	--	--	--	25.58	0.0%	256k	Offen	Modell Anbieter

Wichtige Definitionen

Average cost per task in the index. Costs are split by input, cache hit, cache write, reasoning, and answer token pricing where canonical token counts are available.

Häufig gestellte Fragen

Häufige Fragen zu StepFun

StepFun bietet 4 von uns erfasste Modelle an: Step 5 Preview, Step 3.5 Flash 2603, Step 3.7 Flash und Step 3.5 Flash.

Das intelligenteste bei StepFun verfügbare Modell ist Step 5 Preview mit einem Wert von 29 im Intelligence Index.

Das Modell von StepFun mit der kürzesten Zeit pro Aufgabe ist Step 5 Preview mit 14.5 Minuten pro Aufgabe des Intelligence Index. Die Zeit pro Aufgabe ergibt sich aus den Ausgabetokens pro Aufgabe geteilt durch die Ende-zu-Ende-Ausgabegeschwindigkeit; ein niedrigerer Wert bedeutet, dass eine Aufgabe schneller abgeschlossen wird.

Das Modell von StepFun mit der kürzesten Zeit bis zum ersten Antworttoken ist Step 3.7 Flash mit 14.71 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.

Gemessen am Mischpreis ist Step 3.5 Flash 2603 mit $0.064 pro 1 Mio. Tokens (Verhältnis von Cache-Treffern, Eingabe und Ausgabe: 7:2:1) das günstigste Modell von StepFun.

Die Preise der Modelle von StepFun unterscheiden sich bis zum 8.4-Fachen: von $0.064 pro 1 Mio. Tokens für Step 3.5 Flash 2603 bis $0.54 pro 1 Mio. Tokens für Step 5 Preview.

Ja, StepFun bietet eine OpenAI-kompatible API. Das erleichtert den Wechsel von OpenAI und die Verwendung bestehender Integrationen mit dem OpenAI SDK.

Ja, alle 4 Modelle von StepFun unterstützen den JSON-Modus für strukturierte Ausgaben.

Ja, alle 4 Modelle von StepFun unterstützen Funktionsaufrufe (Tool-Nutzung).

Ja, StepFun bietet 4 Reasoning-Modelle an: Step 5 Preview, Step 3.5 Flash 2603, Step 3.7 Flash und Step 3.5 Flash. Reasoning-Modelle nutzen ausführliches Schlussfolgern, um komplexe Probleme vor der Antwort zu bearbeiten.

Ja, 3 von 4 Modellen von StepFun haben offene Gewichte: Step 5 Preview, Step 3.7 Flash und Step 3.5 Flash.

Ja, die Leistung eines Anbieters kann sich aufgrund von Infrastrukturänderungen, Lastverteilung und Aktualisierungen im Laufe der Zeit verändern. Wir benchmarken alle Anbieter fortlaufend und zeigen historische Leistungstrends in den Diagrammen „Im Zeitverlauf“ an.

Berücksichtigen Sie bei der Auswahl eines Modells von StepFun die Intelligenz für qualitätssensible Aufgaben, die Zeit pro Aufgabe, also wie schnell das Modell eine Aufgabe des Intelligence Index erledigt, die Latenz für interaktive Anwendungen mit schnellen ersten Antworten, die Preise für kostensensible Workloads sowie Funktionen wie die Größe des Kontextfensters, den JSON-Modus und die Unterstützung von Funktionsaufrufen.

StepFun: Intelligenz, Leistung und Preise der Modelle

Höchste Intelligenz

Kürzeste Zeit pro Aufgabe

Niedrigster Preis

Intelligenz

Zeit pro Aufgabe

Preis

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Intelligence Index vs. Preis

Price-Quality Variance

Preise

Kosten pro Aufgabe des Intelligence Index

Cost per Intelligence Index Task

Intelligence Index vs. Preis

Price-Quality Variance

Geschwindigkeit

Zeit pro Aufgabe des Intelligence Index

Time per Intelligence Index Task

Time Period

Qualität

Kontextfenster

Context Window for RAG

Context Window

Latenz

Zeit bis zum ersten Antworttoken

Time to First Answer Token

Time Period

Zuverlässigkeit

Endpunkt-Fehlerrate

Endpoint Error Rate

Time Period

Caching

Cache-Trefferquote

What Cache Hit Rate Shows

Kosten pro Aufgabe vs. Cache-Trefferquote

Cost per Intelligence Index Task

What Cache Hit Rate Shows

Wichtige Definitionen

Index Cost per Task

Häufig gestellte Fragen

Welche Modelle bietet StepFun an?

Welches ist das intelligenteste Modell von StepFun?

Welches Modell von StepFun hat die kürzeste Zeit pro Aufgabe?

Welches Modell von StepFun hat die niedrigste Latenz?

Welches ist das günstigste Modell von StepFun?

Wie stark unterscheiden sich die Preise der Modelle von StepFun?

Ist StepFun mit OpenAI kompatibel?

Unterstützt StepFun den JSON-Modus?

Unterstützt StepFun Funktionsaufrufe?

Bietet StepFun Reasoning-Modelle an?

Bietet StepFun Modelle mit offenen Gewichten an?

Verändert sich die Leistung von StepFun im Laufe der Zeit?

Wie wähle ich ein Modell von StepFun aus?