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

StepFun: Step 3.7 Flash vs xAI: Grok 4.3

Resumen

Comparación benchmark de Step 3.7 Flash vs Grok 4.3: Grok 4.3 lidera en puntuación media con 7.7 vs 7.1. Grok 4.3 tiene menor coste de benchmark con $0.614 vs $1.148. Grok 4.3 es más rápido con 47.51s vs 64.46s, con tasas de acierto de 63.5% vs 71.4%.

Modelo recomendado: Grok 4.3 - Tiene la mejor puntuación aquí (7.7) y cuesta aproximadamente 1.9x menos que Step 3.7 Flash.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-12

Métrica Step 3.7 Flash Step 3.7 Flash high Lanzamiento: 2026-05-29 Grok 4.3 Grok 4.3 medium Lanzamiento: 2026-05-01
Puntuación 7.1 7.7
Rango #63 #40
Fiabilidad 10.0 10.0
Consistencia 8.2 8.5
Pruebas correctas
Tasa de aciertos por intento 63.5% 71.4%
Pruebas inestables 4 4
Ejecuciones totales 63 63
Costo por resultado 10.434 4.724
Costo total $1.148 $0.614
Precio de entrada $0.200 / 1M $1.250 / 1M
Precio de salida $1.150 / 1M $2.500 / 1M
Total de tokens de entrada 38,391 44,472
Tokens de salida 991,355 1,981
Tokens de razonamiento 0 221,382
Tiempo de respuesta (promedio) 64.46s 47.51s
Tiempo de respuesta (máximo) 364.99s 216.69s
Tiempo de respuesta (total) 1353.57s 997.68s

Generation showcase

Hamster playing table tennis

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

#63 Step 3.7 Flash

high
Cost
$0.007
Time
63.6s
Tokens
6,030 tok

#40 xAI: Grok 4.3

medium
Cost
$0.009
Time
19.0s
Tokens
3,661 tok

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 entrada Tokens de salida Tokens de razonamiento
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 0
Grok 4.3 10.0 10.0 100.0% 0 8.83s 2,010 88 8,207
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0
Grok 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 0
Grok 4.3 10.0 10.0 100.0% 0 63.99s 12,909 234 15,301
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 0
Grok 4.3 10.0 10.0 100.0% 0 18.97s 7,761 180 9,546
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 0
Grok 4.3 5.3 7.2 44.4% 1 181.74s 1,764 14 111,300
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 0
Grok 4.3 5.4 2.5 66.7% 1 24.70s 825 70 5,020
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 0
Grok 4.3 9.8 10.0 100.0% 0 18.58s 1,362 57 8,713
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 0
Grok 4.3 5.9 7.2 55.6% 1 22.52s 1,689 128 14,468
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 0
Grok 4.3 10.0 10.0 100.0% 0 17.66s 7,263 168 4,615
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0
Grok 4.3 3.0 10.0 0.0% 0 44.47s 549 14 12,986

Comparación rápida

Cambiar par de comparación

Step 3.7 FlashhighvsGLM 5.1mediumStep 3.7 FlashhighvsMiMo-V2-FlashmediumStep 3.7 FlashlowvsGrok 4.3mediumQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemma 4 26B A4BmediumDisponible gratisvsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighStep 3.7 FlashhighvsGLM 5V TurbomediumGemini 3 Flash PreviewnonevsStep 3.7 FlashhighGPT-5.3 ChatnonevsGrok 4.3mediumClaude Sonnet 4.6nonevsStep 3.7 Flashhigh