Navigation
Advertise here

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

Der Durchschnittsscore ist mit 7.8 vs 7.8 praktisch gleichauf. Step 3.7 Flash (medium) hat die niedrigeren Benchmark-Kosten mit $0.571 vs $1.345. Grok 4.5 (low) ist schneller mit 18.14s vs 26.57s, mit Erfolgsraten von 68.1% vs 73.9%.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-11-16

Verglichene Modelle

Rang
#170
Gesamte Ausgabe-Token
440,835
Antwortzeit (Durchschnitt)
26.57s
Gesamtkosten
$0.571
Rang
#173
Gesamte Ausgabe-Token
121,415
Antwortzeit (Durchschnitt)
18.14s
Gesamtkosten
$1.345
Empfohlenes Modell Step 3.7 Flash (medium)

Es hat hier die beste Punktzahl (7.8) und kostet etwa 2.4x weniger als Grok 4.5 (low).

Detaillierter Vergleich

Metrik Step 3.7 Flash Step 3.7 Flash medium Veröffentlichung: 2026-05-29 Grok 4.5 Grok 4.5 low Veröffentlichung: 2026-07-08
Punktzahl 7.8 7.8
Rang #170 #173
Zuverlässigkeit 10.0 10.0
Konsistenz 8.7 9.3
Versuche 69/69 69/69
Korrekte Tests
Erfolgsquote pro Versuch 68.1% 73.9%
Instabile Tests 4 2
Gesamtläufe 69 69
Kosten pro Ergebnis 4.392 8.404
Gesamtkosten $0.571 $1.345
Eingabepreis $0.200 / 1M $2.000 / 1M
Ausgabepreis $1.150 / 1M $6.000 / 1M
Preis für Cache-Lesen $0.040 / 1M $0.300 / 1M
Preis für Cache-Schreiben k. A. k. A.
Gesamte Eingabe-Token 319,524 308,068
Ausgabe-Token 440,835 9,218
Denk-Token 0 112,197
Antwortzeit (Durchschnitt) 26.57s 18.14s
Antwortzeit (Maximum) 152.83s 205.28s
Antwortzeit (Gesamt) 611.09s 417.21s
Parameter 198B insgesamt (11B aktiv) ~1.7T insgesamt (~170B aktiv)
Verfügbarkeit Open Source Geschlossen

Cache-Preise gelten für Eingabetokens. Lesen nutzt gespeicherte Prompts erneut; Schreiben speichert sie und kann mehr kosten. Für Ausgabetokens gilt der Ausgabepreis.

Modell-Generierungs-Showcase

Hamster playing table tennis

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

#170 Step 3.7 Flash

medium
Kosten
$0.006
Zeit
46.2s
Token
4,466 tok

#173 SpaceXAI: Grok 4.5

low
Kosten
$0.011
Zeit
12.4s
Token
2,018 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Programmierung Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641

Vergleichspaar wechseln