Navegación
AI BENCHY
Your ad here

AI BENCHY Compare

StepFun: Step 3.5 Flash vs xAI: Grok 4.20 Beta

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-12

Métrica Step 3.5 Flash Step 3.5 Flash medium Lanzamiento: 2026-02-01 Disponible gratis Grok 4.20 Beta Grok 4.20 Beta medium Lanzamiento: 2026-03-12
Rango #14 #24
Puntaje prom. 7.4 7.0
Consistencia 9.1 9.0
Costo por resultado 0.000 5.989
Costo total $0.000 $0.599
Pruebas correctas
Tasa de aciertos por intento 68.8% 70.8%
Pruebas inestables 2 2
Ejecuciones totales 48 48
Tokens de salida 71,452 1,481
Tokens de razonamiento 155,147 86,628
Tiempo de respuesta (promedio) 29.10s 8.89s
Tiempo de respuesta (máximo) 170.45s 24.21s
Tiempo de respuesta (total) 290.96s 142.18s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntaje prom. vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntaje prom. 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
Step 3.5 Flash 10.0 10.0 100.0% 0 18.54s 13,924 17,208
Grok 4.20 Beta 7.0 7.2 88.9% 1 3.19s 262 6,289
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Step 3.5 Flash 10.0 10.0 100.0% 0 29.57s 1,176 12,984
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 227 12,212
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
Step 3.5 Flash 10.0 10.0 100.0% 0 15.01s 600 13,886
Grok 4.20 Beta 9.9 10.0 100.0% 0 4.01s 180 5,281
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Step 3.5 Flash 4.0 7.2 44.4% 1 170.45s 45,350 90,436
Grok 4.20 Beta 4.0 10.0 33.3% 0 21.33s 251 40,255
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Step 3.5 Flash 6.0 10.0 0.0% 0 6.54s 2,214 2,584
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 72 3,440
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Step 3.5 Flash 9.0 6.8 83.3% 1 4.98s 2,284 3,412
Grok 4.20 Beta 9.0 10.0 50.0% 0 4.97s 57 7,107
Puzzle Solving Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Step 3.5 Flash 4.0 10.0 33.3% 0 7.72s 5,629 10,835
Grok 4.20 Beta 7.0 7.2 88.9% 1 3.85s 249 6,660
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Step 3.5 Flash 10.0 10.0 100.0% 0 11.91s 275 3,802
Grok 4.20 Beta 10.0 10.0 0.0% 0 12.39s 183 5,384

Comparación rápida

Cambiar par de comparación

GPT-5.2 ChatnonevsStep 3.5 FlashmediumDisponible gratisGemini 3.1 Flash Lite PreviewnonevsGrok 4.20 BetamediumGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumDisponible gratisGPT-5.3 ChatnonevsStep 3.5 FlashmediumDisponible gratisGemini 3 Flash PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsGrok 4.20 BetamediumGemini 3 Flash PreviewnonevsStep 3.5 FlashmediumDisponible gratisGPT-5.3 ChatnonevsGrok 4.20 BetamediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.20 BetamediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumDisponible gratisGPT-5.2 ChatnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsStep 3.5 FlashmediumDisponible gratis