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

AI BENCHY Compare

MoonshotAI: Kimi K3 vs StepFun: Step 3.7 Flash

সারাংশ

Kimi K3 (max) average score-এ এগিয়ে: 8.5 vs 8.5. Step 3.7 Flash (medium)-এর benchmark খরচ কম: $0.376 vs $3.112. Step 3.7 Flash (medium) দ্রুত: 20.35s vs 122.48s, pass rates 82.5% vs 73.0%.

প্রস্তাবিত মডেলStep 3.7 Flash (medium)Its score stays close to the best score here (8.5 vs 8.5), while costing about 8.3x less than Kimi K3 (max).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-16

মেট্রিক Kimi K3 Kimi K3 max প্রকাশ: 2026-07-16 Step 3.7 Flash Step 3.7 Flash medium প্রকাশ: 2026-05-29
স্কোর 8.5 8.5
র‍্যাঙ্ক #21 #26
নির্ভরযোগ্যতা 9.4 9.9
ধারাবাহিকতা 9.2 9.3
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 82.5% 73.0%
অস্থির টেস্ট 2 2
মোট রান 63 61
প্রতি ফলাফলে খরচ 19.446 2.686
মোট খরচ $3.112 $0.376
ইনপুট মূল্য $3.000 / 1M $0.200 / 1M
আউটপুট মূল্য $15.000 / 1M $1.150 / 1M
মোট ইনপুট টোকেন 34,916 39,981
আউটপুট টোকেন 2,910 319,958
রিজনিং টোকেন 197,529 0
প্রতিক্রিয়া সময় (গড়) 122.48s 20.35s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 766.58s 113.98s
প্রতিক্রিয়া সময় (মোট) 2327.06s 427.42s

জেনারেশন শোকেস

Hamster playing table tennis

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

#21 MoonshotAI: Kimi K3

max
খরচ
$0.281
সময়
506.9s
টোকেন
18,863 tok

#26 Step 3.7 Flash

medium
খরচ
$0.006
সময়
46.2s
টোকেন
4,466 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
Kimi K3 10.0 10.0 100.0% 0 325.79s 8,061 460 84,012
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0

দ্রুত তুলনা

তুলনার জুটি বদলান