নেভিগেশন
AI BENCHY
Advertise here

Anthropic: Claude Opus 4.6 vs StepFun: Step 3.7 Flash

Claude Opus 4.6 (medium) average score-এ এগিয়ে: 7.7 vs 7.3. Step 3.7 Flash (low)-এর benchmark খরচ কম: $0.454 vs $3.059. Step 3.7 Flash (low) দ্রুত: 20.68s vs 34.27s, pass rates 63.6% vs 68.2%.

প্রস্তাবিত মডেলStep 3.7 Flash (low)Its score stays close to the best score here (7.3 vs 7.7), while costing about 6.7x less than Claude Opus 4.6 (medium).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-25

মেট্রিক Claude Opus 4.6 Claude Opus 4.6 medium প্রকাশ: 2026-02-05 Step 3.7 Flash Step 3.7 Flash low প্রকাশ: 2026-05-29
স্কোর 7.7 7.3
র‍্যাঙ্ক #50 #75
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.8 8.1
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 63.6% 68.2%
অস্থির টেস্ট 3 5
মোট রান 66 66
প্রতি ফলাফলে খরচ 23.524 3.782
মোট খরচ $3.059 $0.454
ইনপুট মূল্য $5.000 / 1M $0.200 / 1M
আউটপুট মূল্য $25.000 / 1M $1.150 / 1M
মোট ইনপুট টোকেন 108,615 103,833
আউটপুট টোকেন 72,286 376,581
রিজনিং টোকেন 28,315 0
প্রতিক্রিয়া সময় (গড়) 34.27s 20.68s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 151.51s 124.75s
প্রতিক্রিয়া সময় (মোট) 513.99s 455.01s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#50 Claude Opus 4.6

medium
অবৈধ SVG
খরচ
$0.000
সময়
300.0s
টোকেন
0 tok

#75 Step 3.7 Flash

low
অবৈধ SVG
খরচ
$0.004
সময়
25.3s
টোকেন
3,072 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

দ্রুত তুলনা

তুলনার জুটি বদলান