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 none Lanzamiento: 2026-03-12
Rango #14 #52
Puntaje prom. 7.4 4.4
Consistencia 9.1 9.1
Costo por resultado 0.000 2.214
Costo total $0.000 $0.089
Pruebas correctas
Tasa de aciertos por intento 68.8% 33.3%
Pruebas inestables 2 2
Ejecuciones totales 48 48
Tokens de salida 71,452 1,511
Tokens de razonamiento 155,147 0
Tiempo de respuesta (promedio) 29.10s 1.22s
Tiempo de respuesta (máximo) 170.45s 6.48s
Tiempo de respuesta (total) 290.96s 19.53s

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 3.3 7.9 22.2% 1 562ms 245 0
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 0.0% 0 6.48s 282 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
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 601ms 197 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
Step 3.5 Flash 4.0 7.2 44.4% 1 170.45s 45,350 90,436
Grok 4.20 Beta 10.0 10.0 0.0% 0 611ms 160 0
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 5.0 10.0 0.0% 0 541ms 87 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
Step 3.5 Flash 9.0 6.8 83.3% 1 4.98s 2,284 3,412
Grok 4.20 Beta 4.5 10.0 0.0% 0 687ms 60 0
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 4.0 7.2 55.6% 1 541ms 291 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
Step 3.5 Flash 10.0 10.0 100.0% 0 11.91s 275 3,802
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.79s 189 0

Comparación rápida

Cambiar par de comparación

GPT-5.2 ChatnonevsStep 3.5 FlashmediumDisponible gratisGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumDisponible gratisGPT-5.3 ChatnonevsStep 3.5 FlashmediumDisponible gratisGemini 3 Flash PreviewnonevsStep 3.5 FlashmediumDisponible gratisMiniMax M2.5mediumvsGrok 4.20 BetanoneGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumDisponible gratisClaude Sonnet 4.6nonevsStep 3.5 FlashmediumDisponible gratisgpt-oss-120bmediumDisponible gratisvsGrok 4.20 BetanoneGemini 3 Flash PreviewlowvsStep 3.5 FlashmediumDisponible gratisMercury 2mediumvsGrok 4.20 BetanoneQwen3 Coder NextmediumvsGrok 4.20 BetanoneQwen3.5-35B-A3BmediumvsGrok 4.20 Betanone