Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok 4.5

Resumen

Comparación benchmark de Step 3.7 Flash (low) vs Grok 4.5 (medium): Grok 4.5 (medium) lidera en puntuación media con 8.3 vs 7.7. Step 3.7 Flash (low) tiene menor coste de benchmark con $0.341 vs $1.696. Step 3.7 Flash (low) es más rápido con 15.74s vs 62.63s, con tasas de acierto de 68.3% vs 77.8%.

Modelo recomendado: Step 3.7 Flash (low) - Su puntuación se mantiene cerca de la mejor aquí (7.7 vs 8.3) y cuesta aproximadamente 5.0x menos que Grok 4.5 (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-08

Métrica Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29 Grok 4.5 Grok 4.5 medium Lanzamiento: 2026-07-08
Puntuación 7.7 8.3
Rango #43 #23
Fiabilidad 10.0 9.9
Consistencia 8.4 8.9
Pruebas correctas
Tasa de aciertos por intento 68.3% 77.8%
Pruebas inestables 4 3
Ejecuciones totales 63 63
Costo por resultado 2.840 11.304
Costo total $0.341 $1.696
Precio de entrada $0.200 / 1M $2.000 / 1M
Precio de salida $1.150 / 1M $6.000 / 1M
Total de tokens de entrada 40,101 53,500
Tokens de salida 289,325 1,621
Tokens de razonamiento 0 263,127
Tiempo de respuesta (promedio) 15.74s 62.63s
Tiempo de respuesta (máximo) 124.75s 436.38s
Tiempo de respuesta (total) 330.63s 1315.20s

Generación showcase

Hamster playing table tennis

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

#43 Step 3.7 Flash

low
SVG inválido
Coste
$0.004
Tiempo
25.3s
Tokens
3,072 tok

#23 xAI: Grok 4.5

medium
Coste
$0.044
Tiempo
59.4s
Tokens
7,512 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 4.5 10.0 10.0 100.0% 0 23.50s 2,991 147 4,018
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 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634
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 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
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 4.5 10.0 10.0 100.0% 0 6.29s 8,937 225 3,657
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 4.5 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
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 4.5 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
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 4.5 9.8 10.0 100.0% 0 6.06s 1,857 57 2,728
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 4.5 10.0 10.0 100.0% 0 7.75s 2,430 254 3,641
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 4.5 10.0 10.0 100.0% 0 6.57s 8,544 192 968
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 4.5 3.0 10.0 0.0% 0 74.44s 789 13 14,921

Comparación rápida

Cambiar par de comparación

Claude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6mediumDisponible gratisvsStep 3.7 FlashlowDeepSeek V4 FlashhighvsGrok 4.5mediumGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Sonnet 4.6mediumvsStep 3.7 Flashlow