নেভিগেশন
AI BENCHY
Advertise here

AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok 4.5

সারাংশ

Step 3.7 Flash (low) vs Grok 4.5 (medium) benchmark তুলনা: Grok 4.5 (medium) average score-এ এগিয়ে: 8.3 vs 7.7. Step 3.7 Flash (low)-এর benchmark খরচ কম: $0.341 vs $1.696. Step 3.7 Flash (low) দ্রুত: 15.74s vs 62.63s, pass rates 68.3% vs 77.8%.

প্রস্তাবিত মডেল: Step 3.7 Flash (low) - Its score stays close to the best score here (7.7 vs 8.3), while costing about 5.0x less than Grok 4.5 (medium).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-08

মেট্রিক Step 3.7 Flash Step 3.7 Flash low প্রকাশ: 2026-05-29 Grok 4.5 Grok 4.5 medium প্রকাশ: 2026-07-08
স্কোর 7.7 8.3
র‍্যাঙ্ক #43 #23
নির্ভরযোগ্যতা 10.0 9.9
ধারাবাহিকতা 8.4 8.9
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 68.3% 77.8%
অস্থির টেস্ট 4 3
মোট রান 63 63
প্রতি ফলাফলে খরচ 2.840 11.304
মোট খরচ $0.341 $1.696
ইনপুট মূল্য $0.200 / 1M $2.000 / 1M
আউটপুট মূল্য $1.150 / 1M $6.000 / 1M
মোট ইনপুট টোকেন 40,101 53,500
আউটপুট টোকেন 289,325 1,621
রিজনিং টোকেন 0 263,127
প্রতিক্রিয়া সময় (গড়) 15.74s 62.63s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 124.75s 436.38s
প্রতিক্রিয়া সময় (মোট) 330.63s 1315.20s

জেনারেশন শোকেস

Hamster playing table tennis

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

#43 Step 3.7 Flash

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

#23 xAI: Grok 4.5

medium
খরচ
$0.044
সময়
59.4s
টোকেন
7,512 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

অ্যান্টি-এআই কৌশল স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 756 10,896 0
Grok 4.5 10.0 10.0 100.0% 0 23.50s 2,991 147 4,018
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 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634
সমন্বিত স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 0
Grok 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
ডেটা পার্সিং ও নিষ্কাশন স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 7,398 2,667 0
Grok 4.5 10.0 10.0 100.0% 0 6.29s 8,937 225 3,657
ডোমেইন-নির্দিষ্ট স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 828 104,487 0
Grok 4.5 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
Sadharon Buddhimotta স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 525 4,604 0
Grok 4.5 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
নির্দেশনা অনুসরণ স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 735 1,857 0
Grok 4.5 9.8 10.0 100.0% 0 6.06s 1,857 57 2,728
ধাঁধা সমাধান স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 756 3,564 0
Grok 4.5 10.0 10.0 100.0% 0 7.75s 2,430 254 3,641
টুল কলিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 7,746 1,360 0
Grok 4.5 10.0 10.0 100.0% 0 6.57s 8,544 192 968
সাধারণ জ্ঞান স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0
Grok 4.5 3.0 10.0 0.0% 0 74.44s 789 13 14,921

দ্রুত তুলনা

তুলনার জুটি বদলান