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 Build 0.1

Resumen

Comparación benchmark de Step 3.7 Flash vs Grok Build 0.1: Grok Build 0.1 lidera en puntuación media con 7.6 vs 7.1. Grok Build 0.1 tiene menor coste de benchmark con $0.927 vs $1.148. Grok Build 0.1 es más rápido con 49.90s vs 64.46s, con tasas de acierto de 63.5% vs 61.9%.

Modelo recomendado: Grok Build 0.1 - Tiene la puntuación más alta en esta comparación (7.6) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-02

Métrica Step 3.7 Flash Step 3.7 Flash high Lanzamiento: 2026-05-29 Grok Build 0.1 Grok Build 0.1 medium Lanzamiento: 2026-05-21
Puntuación 7.1 7.6
Rango #65 #44
Fiabilidad 10.0 10.0
Consistencia 8.2 9.9
Pruebas correctas
Tasa de aciertos por intento 63.5% 61.9%
Pruebas inestables 4 0
Ejecuciones totales 63 63
Costo por resultado 10.434 7.124
Costo total $1.148 $0.927
Precio de entrada $0.200 / 1M $1.000 / 1M
Precio de salida $1.150 / 1M $2.000 / 1M
Total de tokens de entrada 38,391 44,418
Tokens de salida 991,355 2,782
Tokens de razonamiento 0 438,018
Tiempo de respuesta (promedio) 64.46s 49.90s
Tiempo de respuesta (máximo) 364.99s 252.69s
Tiempo de respuesta (total) 1353.57s 1047.92s

Generación showcase

Hamster playing table tennis

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

#65 Step 3.7 Flash

high
Coste
$0.007
Tiempo
63.6s
Tokens
6,030 tok

#44 xAI: Grok Build 0.1

medium
Coste
$0.028
Tiempo
81.3s
Tokens
14,009 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 Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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 Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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 Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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 Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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 Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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 Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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 Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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 Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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 Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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 Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

Comparación rápida

Cambiar par de comparación

Step 3.7 FlashhighvsGLM 5.1mediumDeepSeek V4 ProhighvsGrok Build 0.1mediumLaguna XS 2.1mediumDisponible gratisvsStep 3.7 FlashhighStep 3.7 FlashhighvsGLM 5.2noneQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGPT-5.3 ChatnonevsGrok Build 0.1mediumGemma 4 26B A4BmediumDisponible gratisvsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Opus 4.8nonevsStep 3.7 Flashhigh