AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok Build 0.1

Zusammenfassung

Step 3.7 Flash vs Grok Build 0.1 Benchmark-Vergleich: Grok Build 0.1 führt beim Durchschnittsscore mit 7.6 vs 7.1. Grok Build 0.1 hat die niedrigeren Benchmark-Kosten mit $0.927 vs $1.148. Grok Build 0.1 ist schneller mit 49.90s vs 64.46s, mit Erfolgsraten von 63.5% vs 61.9%.

Empfohlenes Modell: Grok Build 0.1 - Es hat die stärkste Punktzahl in diesem Vergleich (7.6) und die beste Gesamtbalance aus Kosten und Antwortzeit über alle 2 Modelle.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-02

Metrik	Step 3.7 Flash Step 3.7 Flash high Veröffentlichung: 2026-05-29	Grok Build 0.1 Grok Build 0.1 medium Veröffentlichung: 2026-05-21

Metrik	Step 3.7 Flash Step 3.7 Flash high Veröffentlichung: 2026-05-29	Grok Build 0.1 Grok Build 0.1 medium Veröffentlichung: 2026-05-21
Punktzahl	7.1	7.6
Rang	#65	#44
Zuverlässigkeit	10.0	10.0
Konsistenz	8.2	9.9
Korrekte Tests
Erfolgsquote pro Versuch	63.5%	61.9%
Instabile Tests	4	0
Gesamtläufe	63	63
Kosten pro Ergebnis	10.434	7.124
Gesamtkosten	$1.148	$0.927
Eingabepreis	$0.200 / 1M	$1.000 / 1M
Ausgabepreis	$1.150 / 1M	$2.000 / 1M
Gesamte Eingabe-Token	38,391	44,418
Ausgabe-Token	991,355	2,782
Denk-Token	0	438,018
Antwortzeit (Durchschnitt)	64.46s	49.90s
Antwortzeit (Maximum)	364.99s	252.69s
Antwortzeit (Gesamt)	1353.57s	1047.92s

Generierungs-Showcase

Hamster playing table tennis

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

#65 Step 3.7 Flash

high

Kosten: $0.007
Zeit: 63.6s
Token: 6,030 tok

#44 xAI: Grok Build 0.1

medium

Kosten: $0.028
Zeit: 81.3s
Token: 14,009 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
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	0
Grok Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	10.0	10.0	100.0%	0		13.01s	13,638	8,802	0
Grok Build 0.1	10.0	10.0	100.0%	0		32.81s	12,909	231	16,917

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0
Grok Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	0
Grok Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0
Grok Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	0
Grok Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	0
Grok Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	0
Grok Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0
Grok Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

Schnellvergleich

Vergleichspaar wechseln

Step 3.7 FlashhighvsGLM 5.1medium DeepSeek V4 ProhighvsGrok Build 0.1medium Laguna XS 2.1mediumKostenlos verfügbarvsStep 3.7 Flashhigh Step 3.7 FlashhighvsGLM 5.2none Qwen3.7 PlusnonevsStep 3.7 Flashhigh Kimi K2.7 CodemediumvsStep 3.7 Flashhigh GPT-5.3 ChatnonevsGrok Build 0.1medium Gemma 4 26B A4BmediumKostenlos verfügbarvsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh Gemini 3.5 FlashnonevsStep 3.7 Flashhigh Step 3.7 FlashlowvsGrok Build 0.1medium Claude Opus 4.8nonevsStep 3.7 Flashhigh