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

StepFun: Step 3.7 Flash vs xAI: Grok 4.20

Step 3.7 Flash (low) average score-এ এগিয়ে: 7.3 vs 7.1. Step 3.7 Flash (low)-এর benchmark খরচ কম: $0.454 vs $0.777. Step 3.7 Flash (low) দ্রুত: 20.68s vs 29.47s, pass rates 68.2% vs 63.6%.

প্রস্তাবিত মডেলStep 3.7 Flash (low)It has the best score here (7.3), while costing about 1.7x less than Grok 4.20 (medium).

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

মেট্রিক Step 3.7 Flash Step 3.7 Flash low প্রকাশ: 2026-05-29 Grok 4.20 Grok 4.20 medium প্রকাশ: 2026-03-31
স্কোর 7.3 7.1
র‍্যাঙ্ক #75 #83
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.1 8.5
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 68.2% 63.6%
অস্থির টেস্ট 5 4
মোট রান 66 66
প্রতি ফলাফলে খরচ 3.782 9.709
মোট খরচ $0.454 $0.777
ইনপুট মূল্য $0.200 / 1M $1.250 / 1M
আউটপুট মূল্য $1.150 / 1M $2.500 / 1M
মোট ইনপুট টোকেন 103,833 102,791
আউটপুট টোকেন 376,581 5,363
রিজনিং টোকেন 0 253,977
প্রতিক্রিয়া সময় (গড়) 20.68s 29.47s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 124.75s 199.66s
প্রতিক্রিয়া সময় (মোট) 455.01s 648.35s

Hamster playing table tennis

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

#75 Step 3.7 Flash

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

#83 xAI: Grok 4.20

medium
খরচ
$0.041
সময়
110.3s
টোকেন
16,336 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
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150

দ্রুত তুলনা

তুলনার জুটি বদলান