StepFun: Step 3.7 Flash vs xAI: Grok 4.20

Step 3.7 Flash (low) lidera en puntuación media con 7.3 vs 7.1. Step 3.7 Flash (low) tiene menor coste de benchmark con $0.454 vs $0.777. Step 3.7 Flash (low) es más rápido con 20.68s vs 29.47s, con tasas de acierto de 68.2% vs 63.6%.

Modelo recomendadoStep 3.7 Flash (low)Tiene la mejor puntuación aquí (7.3) y cuesta aproximadamente 1.7x menos que Grok 4.20 (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-25

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

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	#75	#83
Fiabilidad	10.0	10.0
Consistencia	8.1	8.5
Pruebas correctas
Tasa de aciertos por intento	68.2%	63.6%
Pruebas inestables	5	4
Ejecuciones totales	66	66
Costo por resultado	3.782	9.709
Costo total	$0.454	$0.777
Precio de entrada	$0.200 / 1M	$1.250 / 1M
Precio de salida	$1.150 / 1M	$2.500 / 1M
Total de tokens de entrada	103,833	102,791
Tokens de salida	376,581	5,363
Tokens de razonamiento	0	253,977
Tiempo de respuesta (promedio)	20.68s	29.47s
Tiempo de respuesta (máximo)	124.75s	199.66s
Tiempo de respuesta (total)	455.01s	648.35s

Hamster playing table tennis

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

#75 Step 3.7 Flash

low

SVG inválido

Coste: $0.004
Tiempo: 25.3s
Tokens: 3,072 tok

#83 xAI: Grok 4.20

medium

Coste: $0.041
Tiempo: 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

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	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0
Grok 4.20	8.7	6.9	83.3%	1		42.25s	71,267	3,776	44,009

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

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Qwen3.7 PlusnonevsGrok 4.20medium Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsGrok 4.20medium Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok 4.3medium