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

StepFun: Step 3.7 Flash vs xAI: Grok Build 0.1

সারাংশ

Step 3.7 Flash vs Grok Build 0.1 benchmark তুলনা: Step 3.7 Flash average score-এ এগিয়ে: 7.7 vs 7.6. Step 3.7 Flash-এর benchmark খরচ কম: $0.341 vs $0.927. Step 3.7 Flash দ্রুত: 15.74s vs 49.90s, pass rates 68.3% vs 61.9%.

প্রস্তাবিত মডেল: Step 3.7 Flash - It has the best score here (7.7), while costing about 2.7x less than Grok Build 0.1.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-06-12

মেট্রিক Step 3.7 Flash Step 3.7 Flash low প্রকাশ: 2026-05-29 Grok Build 0.1 Grok Build 0.1 medium প্রকাশ: 2026-05-21
স্কোর 7.7 7.6
র‍্যাঙ্ক #42 #44
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.4 9.9
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 68.3% 61.9%
অস্থির টেস্ট 4 0
মোট রান 63 63
প্রতি ফলাফলে খরচ 2.840 7.124
মোট খরচ $0.341 $0.927
ইনপুট মূল্য $0.200 / 1M $1.000 / 1M
আউটপুট মূল্য $1.150 / 1M $2.000 / 1M
মোট ইনপুট টোকেন 40,101 44,418
আউটপুট টোকেন 289,325 2,782
রিজনিং টোকেন 0 438,018
প্রতিক্রিয়া সময় (গড়) 15.74s 49.90s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 124.75s 252.69s
প্রতিক্রিয়া সময় (মোট) 330.63s 1047.92s

Generation showcase

Hamster playing table tennis

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

#42 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
25.3s
Tokens
3,072 tok

#44 xAI: Grok Build 0.1

medium
Cost
$0.028
Time
81.3s
Tokens
14,009 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 Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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 Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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 Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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 Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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 Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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 Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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 Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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 Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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 Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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 Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

দ্রুত তুলনা

তুলনার জুটি বদলান