#69 Claude Opus 4.6
medium
Invalid SVG
- Cost
- $0.000
- Time
- 300.0s
- Tokens
- 0 tok
AI BENCHY Compare
Anthropic: Claude Opus 4.6 vs StepFun: Step 3.7 Flash
Zusammenfassung
Claude Opus 4.6 vs Step 3.7 Flash Benchmark-Vergleich: Step 3.7 Flash führt beim Durchschnittsscore mit 7.3 vs 7.0. Step 3.7 Flash hat die niedrigeren Benchmark-Kosten mit $0.341 vs $2.053. Step 3.7 Flash ist schneller mit 15.74s vs 25.89s, mit Erfolgsraten von 61.9% vs 68.3%.
Empfohlenes Modell: Step 3.7 Flash - Es hat hier die beste Punktzahl (7.3) und kostet etwa 6.0x weniger als Claude Opus 4.6.
Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-06-04
| Metrik | Claude Opus 4.6 Claude Opus 4.6 medium | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| Punktzahl | 7.0 | 7.3 |
| Rang | #69 | #57 |
| Zuverlässigkeit | 10.0 | 10.0 |
| Konsistenz | 8.8 | 8.4 |
| Korrekte Tests | ||
| Erfolgsquote pro Versuch | 61.9% | 68.3% |
| Instabile Tests | 3 | 4 |
| Gesamtläufe | 63 | 63 |
| Kosten pro Ergebnis | 17.103 | 2.840 |
| Gesamtkosten | $2.053 | $0.341 |
| Eingabepreis | $5.000 / 1M | $0.200 / 1M |
| Ausgabepreis | $25.000 / 1M | $1.150 / 1M |
| Gesamte Eingabe-Token | 53,227 | 40,101 |
| Ausgabe-Token | 47,446 | 289,325 |
| Denk-Token | 24,000 | 0 |
| Antwortzeit (Durchschnitt) | 25.89s | 15.74s |
| Antwortzeit (Maximum) | 83.40s | 124.75s |
| Antwortzeit (Gesamt) | 362.49s | 330.63s |
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#57 Step 3.7 Flash
low
Invalid SVG
- Cost
- $0.004
- Time
- 25.3s
- Tokens
- 3,072 tok
Top-Modelle nach Score
Score vs. Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Kategorieaufschlüsselung
| Anti-KI-Tricks | Punktzahl | Konsistenz | Erfolgsquote pro Versuch | Instabile Tests | Korrekte Tests | Antwortzeit (Durchschnitt) | Eingabe-Token | Ausgabe-Token | Denk-Token |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 6.4 | 5.8 | 66.7% | 2 | 7.45s | 840 | 986 | 1,071 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 4.02s | 756 | 10,896 | 0 |
| Programmierung | Punktzahl | Konsistenz | Erfolgsquote pro Versuch | Instabile Tests | Korrekte Tests | Antwortzeit (Durchschnitt) | Eingabe-Token | Ausgabe-Token | Denk-Token |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 5.7 | 7.1 | 44.4% | 1 | 30.10s | 8,522 | 13,057 | 4,121 | |
| Step 3.7 Flash | 8.2 | 7.2 | 88.9% | 1 | 9.46s | 7,437 | 18,685 | 0 |
| Kombiniert | Punktzahl | Konsistenz | Erfolgsquote pro Versuch | Instabile Tests | Korrekte Tests | Antwortzeit (Durchschnitt) | Eingabe-Token | Ausgabe-Token | Denk-Token |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 20,685 | 8,178 | 5,194 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 7.98s | 13,683 | 6,426 | 0 |
| Datenanalyse und -extraktion | Punktzahl | Konsistenz | Erfolgsquote pro Versuch | Instabile Tests | Korrekte Tests | Antwortzeit (Durchschnitt) | Eingabe-Token | Ausgabe-Token | Denk-Token |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 7.37s | 8,676 | 691 | 757 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 2.29s | 7,398 | 2,667 | 0 |
| Domänenspezifisch | Punktzahl | Konsistenz | Erfolgsquote pro Versuch | Instabile Tests | Korrekte Tests | Antwortzeit (Durchschnitt) | Eingabe-Token | Ausgabe-Token | Denk-Token |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 3.0 | 10.0 | 0.0% | 0 | 83.40s | 674 | 14,642 | 8,687 | |
| Step 3.7 Flash | 5.3 | 7.2 | 44.4% | 1 | 43.31s | 828 | 104,487 | 0 |
| Allgemeine Intelligenz | Punktzahl | Konsistenz | Erfolgsquote pro Versuch | Instabile Tests | Korrekte Tests | Antwortzeit (Durchschnitt) | Eingabe-Token | Ausgabe-Token | Denk-Token |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 5.04s | 564 | 188 | 292 | |
| Step 3.7 Flash | 3.4 | 9.3 | 0.0% | 0 | 7.00s | 525 | 4,604 | 0 |
| Befolgung von Anweisungen | Punktzahl | Konsistenz | Erfolgsquote pro Versuch | Instabile Tests | Korrekte Tests | Antwortzeit (Durchschnitt) | Eingabe-Token | Ausgabe-Token | Denk-Token |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 792 | 266 | 467 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.58s | 735 | 1,857 | 0 |
| Rätsellösen | Punktzahl | Konsistenz | Erfolgsquote pro Versuch | Instabile Tests | Korrekte Tests | Antwortzeit (Durchschnitt) | Eingabe-Token | Ausgabe-Token | Denk-Token |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 7.7 | 10.0 | 66.7% | 0 | 4.71s | 816 | 532 | 630 | |
| Step 3.7 Flash | 5.5 | 9.9 | 33.3% | 0 | 1.84s | 756 | 3,564 | 0 |
| Werkzeugaufrufe | Punktzahl | Konsistenz | Erfolgsquote pro Versuch | Instabile Tests | Korrekte Tests | Antwortzeit (Durchschnitt) | Eingabe-Token | Ausgabe-Token | Denk-Token |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 11,454 | 861 | 329 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.25s | 7,746 | 1,360 | 0 |
| Allgemeinwissen | Punktzahl | Konsistenz | Erfolgsquote pro Versuch | Instabile Tests | Korrekte Tests | Antwortzeit (Durchschnitt) | Eingabe-Token | Ausgabe-Token | Denk-Token |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 3.0 | 10.0 | 0.0% | 0 | 63.24s | 204 | 8,045 | 2,452 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 124.75s | 237 | 134,779 | 0 |
Schnellvergleich
Vergleichspaar wechseln
Claude Opus 4.6mediumvsStep 3.7 FlashhighStep 3.7 FlashlowvsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5.1mediumStep 3.7 FlashlowvsGLM 5V TurbomediumKimi K2.6mediumKostenlos verfügbarvsStep 3.7 FlashlowGPT-5 MinimediumvsStep 3.7 FlashlowGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2-FlashmediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.20mediumQwen3.5-35B-A3BmediumvsStep 3.7 Flashlow