নেভিগেশন
Advertise here

Step 3.7 Flash (medium) vs Grok 4.5 (medium)

average score প্রায় সমান: 7.8 vs 7.8. Step 3.7 Flash (medium)-এর benchmark খরচ কম: $0.571 vs $2.996. Step 3.7 Flash (medium) দ্রুত: 26.57s vs 68.44s, pass rates 68.1% vs 79.7%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-10-06

তুলনা করা মডেল

র‍্যাঙ্ক
#109
মোট আউটপুট টোকেন
440,835
প্রতিক্রিয়া সময় (গড়)
26.57s
মোট খরচ
$0.571
র‍্যাঙ্ক
#107
মোট আউটপুট টোকেন
306,044
প্রতিক্রিয়া সময় (গড়)
68.44s
মোট খরচ
$2.996
প্রস্তাবিত মডেল Step 3.7 Flash (medium)

It has the best score here (7.8), while costing about 5.2x less than Grok 4.5 (medium).

বিস্তারিত তুলনা

মেট্রিক Step 3.7 Flash Step 3.7 Flash medium প্রকাশ: 2026-05-29 Grok 4.5 Grok 4.5 medium প্রকাশ: 2026-07-08
স্কোর 7.8 7.8
র‍্যাঙ্ক #109 #107
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.7 9.0
প্রচেষ্টা 69/69 69/69
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 68.1% 79.7%
অস্থির টেস্ট 4 3
মোট রান 69 69
প্রতি ফলাফলে খরচ 4.392 14.430
মোট খরচ $0.571 $2.996
ইনপুট মূল্য $0.200 / 1M $2.000 / 1M
আউটপুট মূল্য $1.150 / 1M $6.000 / 1M
ক্যাশ পড়ার মূল্য $0.040 / 1M $0.300 / 1M
ক্যাশ লেখার মূল্য প্রযোজ্য নয় প্রযোজ্য নয়
মোট ইনপুট টোকেন 319,524 308,369
আউটপুট টোকেন 440,835 7,013
রিজনিং টোকেন 0 299,031
প্রতিক্রিয়া সময় (গড়) 26.57s 68.44s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 152.83s 436.38s
প্রতিক্রিয়া সময় (মোট) 611.09s 1574.14s
প্যারামিটার 198B মোট (11B সক্রিয়) ~1.7T মোট (~170B সক্রিয়)
উপলভ্যতা উন্মুক্ত উৎস বন্ধ উৎস

ক্যাশের মূল্য ইনপুট টোকেনের জন্য প্রযোজ্য। পড়ার সময় ক্যাশ করা প্রম্পট আবার ব্যবহার হয়; লেখার সময় সেগুলি সংরক্ষিত হয় এবং বাড়তি খরচ হতে পারে। আউটপুট টোকেনের জন্য আউটপুট মূল্য প্রযোজ্য।

মডেল জেনারেশন শোকেস

Hamster playing table tennis

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

#109 Step 3.7 Flash

medium
খরচ
$0.006
সময়
46.2s
টোকেন
4,466 tok

#107 SpaceXAI: 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

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
Grok 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634

দ্রুত তুলনা

তুলনার জুটি বদলান

Grok 4.5mediumvsGLM 5.3highStep 3.7 FlashmediumvsGLM 5.3highLing 3.1 FlashhighvsGrok 4.5mediumQwen3.7 PlusnonevsStep 3.7 FlashmediumStep 3.7 FlashmediumvsGrok 4.5lowQwen3.8 2.4T A95BhighvsGrok 4.5mediumLing 3.1 FlashhighvsStep 3.7 FlashmediumQwen3.7 PlusnonevsGrok 4.5mediumQwen3.8 2.4T A95BhighvsStep 3.7 FlashmediumQwen3.7 MaxnonevsGrok 4.5mediumQwen3.7 MaxnonevsStep 3.7 FlashmediumClaude Fable 5.1highvsGrok 4.5medium