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

Step 5 Preview

Step 3.7 Flash

Step 3.5 Flash 2603

Step 3.5 Flash

Intelligence Index

Insgesamt 4 Modelle

Am schnellsten

Step 5 Preview

230 t/s

Step 3.7 Flash

152 t/s

Step 3.5 Flash 2603

145 t/s

Step 3.5 Flash

144 t/s

Ausgabegeschwindigkeit

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 Intelligenz sind Step 5 Preview (44), Step 3.7 Flash (19) und Step 3.5 Flash 2603 (17) die führenden Modelle von StepFun.
Bei der Ausgabegeschwindigkeit sind Step 5 Preview (230 t/s), Step 3.7 Flash (152 t/s) und Step 3.5 Flash 2603 (145 t/s) am schnellsten. Die Geschwindigkeit unterscheidet sich deutlich zwischen den Modellen; der Unterschied zwischen dem schnellsten und dem langsamsten beträgt 60 %.
Bei der Latenz bieten Step 5 Preview (9.84 s), Step 3.7 Flash (15.59 s) und Step 3.5 Flash 2603 (17.12 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 3.7 Flash (256k) und Step 3.5 Flash 2603 (256k) die größten Kontextfenster von StepFun.
Step 5 Preview bietet die beste Kombination aus Intelligenz und Geschwindigkeit. Zur Kostenoptimierung bietet Step 3.5 Flash 2603 die wettbewerbsfähigsten Preise.

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

Geschwindigkeit

Output tokens per second · Higher is better

Preis

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

Intelligenzevaluationen

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. 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 Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

GDPval-AA v2.1

Agentic real-world work tasks, Elo

Humanity's Last Exam

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

AA-LCR v1.1

Long context reasoning

SciCodeUnder review

Coding

CritPt

Physics reasoning

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 1.1New

Agentic software engineering in open-source repositories

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

AA-3DNew

Agentic interactive 3D experiences, 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

Pareto line

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

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).

Preise

Intelligence Index vs. Preis

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

Most attractive quadrant

Pareto line

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

Leistungsübersicht

Ausgabegeschwindigkeit vs. Preis

Output speed: output tokens per second · USD per 1M tokens (blended)

Most attractive quadrant

Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Geschwindigkeit

Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)

Ausgabegeschwindigkeit

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Latenz

Gemessen anhand der Zeit (Sekunden) bis zum ersten Token

Latenz: Zeit bis zum ersten Antworttoken

Sekunden bis zum ersten Antwort-Token · Berücksichtigt die „Denkzeit“ von Reasoning-Modellen

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.

Cache-Verhalten

Cache-Trefferquote

Anteil der cachefähigen Eingabe-Token aus dem Cache · Median der letzten vier Wochen, aktualisiert am 26. Sept. 2026

The share of cacheable input tokens served from the provider's prompt cache, measured during multi-turn agentic coding 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 Sep 26, 2026

Most attractive quadrant

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.

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Ende-zu-Ende-Antwortzeit vs. Preis

End-to-end response time: end-to-end seconds to output 500 tokens · USD per 1M tokens (blended)

Most attractive quadrant

Pareto line

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).


									Weitere Analyse
Step 5 Preview	1M	Offen	44	$1.03	230	1.15	12.01	8.69	Modell Anbieter
Step 3.7 Flash	256k	Offen	19*	--	154	2.46	18.73	13.02	Modell Anbieter
Step 3.5 Flash 2603	256k	Proprietär	17*	--	145	3.32	20.55	13.78	Modell Anbieter
Step 3.5 Flash	256k	Offen	17*	--	144	3.35	20.68	13.86	Modell Anbieter

Wichtige Definitionen

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

Häufig gestellte Fragen

Häufige Fragen zu StepFun

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

Das intelligenteste bei StepFun verfügbare Modell ist Step 5 Preview mit einem Wert von 44 im Intelligence Index.

Gemessen an der Ausgabegeschwindigkeit ist Step 5 Preview mit 230.2 Tokens pro Sekunde das schnellste Modell von StepFun.

Das Modell von StepFun mit der kürzesten Zeit bis zum ersten Antworttoken ist Step 5 Preview mit 9.84 s. Eine niedrigere Latenz bedeutet eine schnellere erste Antwort.

Gemessen am Mischpreis ist Step 3.5 Flash 2603 mit $0.06 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-Fachen: von $0.06 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 3.7 Flash, Step 3.5 Flash 2603 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 Ausgabegeschwindigkeit für durchsatzintensive Aufgaben, 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

Am schnellsten

Niedrigster Preis

Intelligenz

Geschwindigkeit

Preis

Intelligenzevaluationen

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Intelligence Index vs. Preis

Price-Quality Variance

Kontextfenster

Kontextfenster

Context Window for RAG

Context Window

Preise

Intelligence Index vs. Preis

Price-Quality Variance

Leistungsübersicht

Ausgabegeschwindigkeit vs. Preis

Output Speed

Price

Geschwindigkeit

Ausgabegeschwindigkeit

Output Speed

Model Performance Representation

Latenz

Latenz: Zeit bis zum ersten Antworttoken

Time to First Answer Token

Cache-Verhalten

Cache-Trefferquote

What Cache Hit Rate Shows

Kosten pro Aufgabe vs. Cache-Trefferquote

Cost per Intelligence Index Task

Ende-zu-Ende-Antwortzeit

Ende-zu-Ende-Antwortzeit vs. Preis

Price

Wichtige Definitionen

Context Window

Häufig gestellte Fragen

Welche Modelle bietet StepFun an?

Welches ist das intelligenteste Modell von StepFun?

Welches ist das schnellste Modell von StepFun?

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?