#60 Step 3.7 Flash
low
Ungültiges SVG
- Kosten
- $0.004
- Zeit
- 25.3s
- Token
- 3,072 tok
Stepfun
Veröffentlichung: 2026-05-29
Getestet am: 2026-05-29 11:49
stepfun/step-3.7-flash::low
198B insgesamt (11B aktiv)MoEOpen Source
Zusammenfassung
Step 3.7 Flash erreicht 7.4 bei AI BENCHY und liegt auf #60. Das Modell hat 10.0 Zuverlässigkeit, 68.3% Erfolgsrate, $0.336 Gesamtkosten und 16.06s durchschnittliche Antwortzeit.
Was Step 3.7 Flash besonders macht: Am stärksten ist es in Programmierung, wo es #1 erreicht; am schwächsten ist Allgemeine Intelligenz mit #18.
Modelldaten
Recherchiert am 2026-08-12
- Parameter
- 198B insgesamt (11B aktiv)
- Architektur
- MoE
- Verfügbarkeit
- Open Source
- Lizenz
- Apache-2.0
7.4
Konsistenz
8.7
10.0
Gesamte Ausgabe-Token
285,209
Gesamte Eingabe-Token
0
Eingabepreis
$0.200 / 1M
Ausgabepreis
$1.150 / 1M
Instabile Tests
3
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-08-14 02:29 Erneuter Test | 7.1 | 10.0 | $0.390 | Vergleichen | |
| 2026-07-16 22:46 Neuer Test hinzugefügt | 7.3 | 10.0 | $0.454 | Vergleichen | |
| 2026-06-04 13:49 Neuer Test hinzugefügt | 7.3 | 10.0 | $0.341 | Vergleichen | |
| 2026-05-29 11:49 Erster Lauf | 7.4 | 10.0 | $0.336 | Aktueller Lauf |
Laufvergleich
| Lauf | Benchmark-Abdeckung | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-29 11:49 · Erster Lauf | 60/60 Versuche | 7.4 | 8.7 | 10.0 | 12/20 | 3 | 285,209 | 0 | $0.336 | 16.06s |
| 2026-08-14 02:29 · Erneuter Test | 66/66 Versuche | 7.1 | 8.1 | 10.0 | 11/22 | 5 | 320,393 | 103,842 | $0.390 | 17.87s |
| Differenz | — | +0.3 | +0.6 | 0.0 | +1 | -2 | -35184 | -103842 | -$0.054 | -1810ms |
Die Benchmark-Abdeckung unterscheidet sich: 60/60 Versuche (Ziel: 3 Wiederholungen pro Test) gegenüber 66/66 Versuche (Ziel: 3 Wiederholungen pro Test). Summen und wiederholungsabhängige Metriken sind nicht direkt vergleichbar.
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.
Top-Modelle nach Score
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
Step 3.7 FlashlowvsMuse Glimmer 30BlowStep 3.7 FlashlowvsSolar Pro 4highStep 3.7 FlashlowvsQwen3.5-122B-A10BmediumStep 3.7 FlashlowvsGrok 4.3mediumStep 3.7 FlashlowvsMuse Glimmer 30BmediumStep 3.7 FlashlowvsGPT-5.6 SolnoneStep 3.7 FlashlowvsQwen3.7 FlashlowStep 3.7 FlashlowvsDeepSeek V3.2mediumStep 3.7 FlashlowvsQwen3.5 Plus 2026-04-20mediumStep 3.7 FlashlowvsGLM 5.1medium
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 8.7 | 7.9 | |
| Programmierung | 10.0 | 10.0 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 7.3 | 5.8 | |
| Domänenspezifisch | 5.3 | 7.2 | |
| Allgemeine Intelligenz | 3.4 | 9.3 | |
| Befolgung von Anweisungen | 9.8 | 10.0 | |
| Rätsellösen | 5.5 | 9.9 | |
| Werkzeugaufrufe | 10.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |