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 (medium) vs Grok 4.5 (low): Step 3.7 Flash (medium) lidera en puntuación media con 8.5 vs 7.8. Step 3.7 Flash (medium) tiene menor coste de benchmark con $0.376 vs $0.760. Grok 4.5 (low) es más rápido con 15.48s vs 20.35s, con tasas de acierto de 73.0% vs 74.6%.

Modelo recomendado: Step 3.7 Flash (medium) - Tiene la mejor puntuación aquí (8.5) y cuesta aproximadamente 2.0x menos que Grok 4.5 (low).

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 medium Lanzamiento: 2026-05-29 Grok 4.5 Grok 4.5 low Lanzamiento: 2026-07-08
Puntuación 8.5 7.8
Rango #20 #34
Fiabilidad 9.9 10.0
Consistencia 9.3 9.7
Pruebas correctas
Tasa de aciertos por intento 73.0% 74.6%
Pruebas inestables 2 1
Ejecuciones totales 61 63
Costo por resultado 2.686 5.061
Costo total $0.376 $0.760
Precio de entrada $0.200 / 1M $2.000 / 1M
Precio de salida $1.150 / 1M $6.000 / 1M
Total de tokens de entrada 39,981 58,652
Tokens de salida 319,958 1,735
Tokens de razonamiento 0 105,233
Tiempo de respuesta (promedio) 20.35s 15.48s
Tiempo de respuesta (máximo) 113.98s 205.28s
Tiempo de respuesta (total) 427.42s 324.98s

Generación showcase

Hamster playing table tennis

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

#20 Step 3.7 Flash

medium
Coste
$0.006
Tiempo
46.2s
Tokens
4,466 tok

#34 xAI: Grok 4.5

low
Coste
$0.011
Tiempo
12.4s
Tokens
2,018 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 9.65s 756 32,185 0
Grok 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
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 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
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 9.06s 13,683 7,106 0
Grok 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
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 2.75s 7,398 3,020 0
Grok 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
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 7.7 10.0 66.7% 0 48.27s 708 70,347 0
Grok 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
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 4.0 10.0 0.0% 0 6.85s 525 3,987 0
Grok 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
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 1.83s 735 2,166 0
Grok 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
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 5.7 9.9 33.3% 0 6.19s 756 15,071 0
Grok 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
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 4.16s 7,746 2,115 0
Grok 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
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% 0 113.98s 237 139,164 0
Grok 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

Comparación rápida

Cambiar par de comparación

GPT-5.2 ChatnonevsStep 3.7 FlashmediumClaude Sonnet 4.6mediumvsGrok 4.5lowQwen3.6 PlusmediumvsGrok 4.5lowGemini 3.1 Flash Lite PreviewmediumvsGrok 4.5lowQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGemini 3.1 Flash LitemediumvsGrok 4.5lowKimi K2.6mediumDisponible gratisvsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowQwen3.5-122B-A10BmediumvsGrok 4.5lowClaude Opus 4.6mediumvsGrok 4.5lowQwen3.5 Plus 2026-02-15mediumvsGrok 4.5low