নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Anthropic: Claude Opus 4.8 vs StepFun: Step 3.7 Flash

average score প্রায় সমান: 7.3 vs 7.3. Step 3.7 Flash (low)-এর benchmark খরচ কম: $0.454 vs $1.166. Claude Opus 4.8 দ্রুত: 4.91s vs 20.68s, pass rates 63.6% vs 68.2%.

প্রস্তাবিত মডেলClaude Opus 4.8It has the best score here (7.3), while responding about 4.2x faster than Step 3.7 Flash (low).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-17

মেট্রিক Claude Opus 4.8 Claude Opus 4.8 none প্রকাশ: 2026-05-28 Step 3.7 Flash Step 3.7 Flash low প্রকাশ: 2026-05-29
স্কোর 7.3 7.3
র‍্যাঙ্ক #63 #64
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 9.2 8.1
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 63.6% 68.2%
অস্থির টেস্ট 2 5
মোট রান 66 66
প্রতি ফলাফলে খরচ 8.969 3.782
মোট খরচ $1.166 $0.454
ইনপুট মূল্য $5.000 / 1M $0.200 / 1M
আউটপুট মূল্য $25.000 / 1M $1.150 / 1M
মোট ইনপুট টোকেন 149,206 103,833
আউটপুট টোকেন 16,797 376,581
রিজনিং টোকেন 0 0
প্রতিক্রিয়া সময় (গড়) 4.91s 20.68s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 35.03s 124.75s
প্রতিক্রিয়া সময় (মোট) 108.03s 455.01s

Hamster playing table tennis

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

#63 Claude Opus 4.8

none
খরচ
$0.053
সময়
22.0s
টোকেন
2,253 tok

#64 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 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

দ্রুত তুলনা

তুলনার জুটি বদলান