Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs StepFun: Step 3.7 Flash

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-05-29

Métrica Claude Opus 4.8 Claude Opus 4.8 none Lanzamiento: 2026-05-28 Step 3.7 Flash Step 3.7 Flash high Lanzamiento: 2026-05-29
Puntuación 7.3 7.1
Rango #65 #74
Fiabilidad 10.0 10.0
Consistencia 9.2 8.2
Pruebas correctas
Tasa de aciertos por intento 65.0% 65.8%
Pruebas inestables 2 4
Ejecuciones totales 60 60
Costo por resultado 4.324 8.723
Costo total $0.519 $0.960
Precio de entrada $5.000 / 1M $0.200 / 1M
Precio de salida $25.000 / 1M $1.150 / 1M
Tokens de salida 8,098 828,084
Tokens de razonamiento 0 0
Tiempo de respuesta (promedio) 3.51s 49.43s
Tiempo de respuesta (máximo) 17.73s 192.75s
Tiempo de respuesta (total) 70.19s 988.58s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 1,472 0
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 42,656 0
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.8 6.8 10.0 50.0% 0 3.59s 1,323 0
Step 3.7 Flash 3.6 4.6 25.0% 1 126.82s 164,069 0
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 3,259 0
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 8,802 0
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 308 0
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 23,113 0
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.8 5.3 7.2 44.4% 1 1.66s 61 0
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 410,502 0
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 230 0
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 2,862 0
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 95 0
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 2,010 0
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 783 0
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 25,422 0
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 355 0
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 1,172 0
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 212 0
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 147,476 0

Comparación rápida

Cambiar par de comparación

Claude Opus 4.8nonevsDeepSeek V3.2mediumClaude Opus 4.8nonevsQwen3.5-35B-A3BmediumGPT-5 MinimediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsRing-2.6-1TmediumGPT-5.4 NanomediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsGPT-5.4 MinimediumSeed-2.0-MinimediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsGPT-5.2mediumQwen3.6 Max PreviewnonevsStep 3.7 FlashhighClaude Opus 4.6mediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsGLM 5V TurbomediumStep 3.7 FlashhighvsMiMo-V2-Flashmedium