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 4.20

Resumen

Comparación benchmark de Step 3.7 Flash vs Grok 4.20: Step 3.7 Flash lidera en puntuación media con 7.3 vs 7.1. Step 3.7 Flash tiene menor coste de benchmark con $0.341 vs $0.609. Step 3.7 Flash es más rápido con 15.74s vs 27.68s, con tasas de acierto de 68.3% vs 63.5%.

Modelo recomendado: Step 3.7 Flash - Tiene la mejor puntuación aquí (7.3) y cuesta aproximadamente 1.8x menos que Grok 4.20.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-04

Métrica Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29 Grok 4.20 Grok 4.20 medium Lanzamiento: 2026-03-31
Puntuación 7.3 7.1
Rango #57 #65
Fiabilidad 10.0 10.0
Consistencia 8.4 8.8
Pruebas correctas
Tasa de aciertos por intento 68.3% 63.5%
Pruebas inestables 4 3
Ejecuciones totales 63 63
Costo por resultado 2.840 8.309
Costo total $0.341 $0.609
Precio de entrada $0.200 / 1M $1.250 / 1M
Precio de salida $1.150 / 1M $2.500 / 1M
Total de tokens de entrada 40,101 44,433
Tokens de salida 289,325 1,819
Tokens de razonamiento 0 219,524
Tiempo de respuesta (promedio) 15.74s 27.68s
Tiempo de respuesta (máximo) 124.75s 199.66s
Tiempo de respuesta (total) 330.63s 581.26s

Generation showcase

Hamster playing table tennis

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

#57 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
25.3s
Tokens
3,072 tok

#65 xAI: Grok 4.20

medium
Cost
$0.041
Time
110.3s
Tokens
16,336 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 8.7 7.9 91.7% 1 4.02s 756 10,896 0
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
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 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
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 7.98s 13,683 6,426 0
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
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 7.3 5.8 83.3% 1 2.29s 7,398 2,667 0
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
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 5.3 7.2 44.4% 1 43.31s 828 104,487 0
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
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 3.4 9.3 0.0% 0 7.00s 525 4,604 0
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
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 1.58s 735 1,857 0
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
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 5.5 9.9 33.3% 0 1.84s 756 3,564 0
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
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 3.25s 7,746 1,360 0
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
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% 0 124.75s 237 134,779 0
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442

Comparación rápida

Cambiar par de comparación

Step 3.7 FlashlowvsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5.1mediumStep 3.7 FlashlowvsGLM 5V TurbomediumKimi K2.6mediumDisponible gratisvsStep 3.7 FlashlowGPT-5.3 ChatnonevsGrok 4.20mediumGPT-5 MinimediumvsStep 3.7 FlashlowGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2-FlashmediumGemini 3.1 Flash LitelowvsGrok 4.20mediumClaude Opus 4.8nonevsGrok 4.20mediumClaude Sonnet 4.6mediumvsStep 3.7 Flashlow