AI BENCHY
Advertise here
#74

Step 3.7 Flash

Stepfun Veröffentlichung: 2026-05-29 Getestet am: 2026-05-29 11:53 stepfun/step-3.7-flash::high
(high) (medium) (low)

Zusammenfassung

Step 3.7 Flash erreicht 7.1 bei AI BENCHY und liegt auf #74. Das Modell hat 9.9 Zuverlässigkeit, 65.8% Erfolgsrate, $0.960 Gesamtkosten und 49.43s durchschnittliche Antwortzeit.

Punktzahl

7.1

Konsistenz

8.2

Zuverlässigkeit

9.9

Gesamtkosten (aktueller Preis)

$0.960

Gesamte Ausgabe-Token

828,084

Gesamte Eingabe-Token

0

Eingabepreis

$0.200 / 1M

Ausgabepreis

$1.150 / 1M

Korrekte Tests

Falsche Tests: 9

Erfolgsquote pro Versuch: 65.8%

Instabile Tests

4

Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).

Antwortzeit (Durchschnitt)

49.43s

Antwortzeit (Maximum): 192.75s

Antwortzeit (Gesamt): 988.58s

Falsche Antwort: 6 Keine Antwort: 3

Generierungs-Showcase

Hamster playing table tennis

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

#74 Step 3.7 Flash

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

Testverlauf

Getestet am Punktzahl Zuverlässigkeit Korrekte Tests Gesamtkosten Vergleichen
2026-06-04 14:10 Neuer Test hinzugefügt 7.0 10.0 $1.148 Vergleichen
2026-05-29 11:53 Erster Lauf 7.1 9.9 $0.960 Aktueller Lauf

Laufvergleich

LaufPunktzahlKonsistenzZuverlässigkeitKorrekte TestsInstabile TestsGesamte Ausgabe-TokenGesamte Eingabe-TokenGesamtkostenAntwortzeit (Durchschnitt)
2026-05-29 11:53 · Erster Lauf7.18.29.911/204828,0840$0.96049.43s
2026-06-04 14:10 · Neuer Test hinzugefügt7.08.210.011/214991,35538,391$1.14864.46s
Differenz+0.10.0-0.100-163271-38391-$0.189-15027ms

Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.

Diagramme

Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Schnellvergleich

Step 3.7 FlashhighvsClaude Opus 4.8noneStep 3.7 FlashhighvsGemma 4 26B A4BmediumKostenlos verfügbarStep 3.7 FlashhighvsQwen3.7 PlusnoneStep 3.7 FlashhighvsClaude Sonnet 4.6noneStep 3.7 FlashhighvsGLM 5.2noneStep 3.7 FlashhighvsGemini 3.5 FlashhighStep 3.7 FlashhighvsGemini 3 Flash PreviewmediumStep 3.7 FlashhighvsNemotron 3 Ultra 550b A55bmediumKostenlos verfügbarStep 3.7 FlashhighvsGPT-5.5low

Kategorieaufschlüsselung

Kategorie Punktzahl Konsistenz Korrekte Tests
Anti-KI-Tricks 10.0 10.0
Programmierung 3.6 4.6
Kombiniert 10.0 10.0
Datenanalyse und -extraktion 10.0 10.0
Domänenspezifisch 4.1 4.4
Allgemeine Intelligenz 5.5 10.0
Befolgung von Anweisungen 9.8 10.0
Rätsellösen 5.3 7.2
Werkzeugaufrufe 10.0 10.0
Allgemeinwissen 3.0 10.0

Verglichene Modelle