#74 Step 3.7 Flash
high- Coste
- $0.007
- Tiempo
- 63.6s
- Tokens
- 6,030 tok
Stepfun
Lanzamiento: 2026-05-29
Probado el: 2026-05-29 11:53
stepfun/step-3.7-flash::high
198B en total (11B activos)MoECódigo abierto
Resumen
Step 3.7 Flash obtiene 7.1 en AI BENCHY y ocupa el puesto #74. Tiene fiabilidad 9.9, una tasa de aciertos de 65.8%, coste total de $0.960 y tiempo medio de respuesta de 49.43s.
Datos del modelo
Investigado el 2026-08-12
- Parámetros
- 198B en total (11B activos)
- Arquitectura
- MoE
- Disponibilidad
- Código abierto
- Licencia
- Apache-2.0
7.1
Consistencia
8.2
9.9
$0.960
Total de tokens de salida
828,084
Total de tokens de entrada
0
Precio de entrada
$0.200 / 1M
Precio de salida
$1.150 / 1M
Pruebas inestables
4
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
49.43s
Tiempo de respuesta (máximo): 192.75s
Tiempo de respuesta (total): 988.58s
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historial de ejecuciones
| Probado el | Puntuación | Fiabilidad | Pruebas correctas | Costo total | Comparar |
|---|---|---|---|---|---|
| 2026-08-14 02:45 Nueva prueba | 6.8 | 10.0 | $1.229 | Comparar | |
| 2026-07-16 22:46 Prueba nueva añadida | 6.9 | 10.0 | $1.207 | Comparar | |
| 2026-06-04 14:10 Prueba nueva añadida | 7.0 | 10.0 | $1.148 | Comparar | |
| 2026-05-29 11:53 Primera ejecución | 7.1 | 9.9 | $0.960 | Ejecución actual |
Comparación de ejecuciones
| Ejecución | Cobertura del benchmark | Puntuación | Consistencia | Fiabilidad | Pruebas correctas | Pruebas inestables | Total de tokens de salida | Total de tokens de entrada | Costo total | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-29 11:53 · Primera ejecución | 60/60 intentos | 7.1 | 8.2 | 9.9 | 11/20 | 4 | 828,084 | 0 | $0.960 | 49.43s |
| 2026-07-16 22:46 · Prueba nueva añadida | 66/66 intentos | 6.9 | 8.0 | 10.0 | 11/22 | 5 | 1,032,395 | 98,691 | $1.207 | 64.68s |
| Diferencia | — | +0.3 | +0.2 | -0.1 | 0 | -1 | -204311 | -98691 | -$0.248 | -15254ms |
La cobertura del benchmark difiere: 60/60 intentos (Objetivo: 3 repeticiones por prueba) frente a 66/66 intentos (Objetivo: 3 repeticiones por prueba). Los totales y las métricas sensibles a las repeticiones no son directamente comparables.
Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.
Gráficos
Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.
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
Comparación rápida
Step 3.7 FlashhighvsQwen3.6 FlashmediumStep 3.7 FlashhighvsSeed-2.0-CodemediumStep 3.7 FlashhighvsGemini 3.5 FlashnoneStep 3.7 FlashhighvsSolar Pro 4lowStep 3.7 FlashhighvsSeed-2.0-CodehighStep 3.7 FlashhighvsSolar Pro 4mediumStep 3.7 FlashhighvsQwen3.7 FlashmediumStep 3.7 FlashhighvsDeepSeek V4 PrononeStep 3.7 FlashhighvsKAT-Coder-Pro V2.5mediumStep 3.7 FlashhighvsGLM 5.3low
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 10.0 | 10.0 | |
| Programación | 3.6 | 4.6 | |
| Combinado | 10.0 | 10.0 | |
| Análisis y extracción de datos | 10.0 | 10.0 | |
| Específico del dominio | 4.1 | 4.4 | |
| Inteligencia general | 5.5 | 10.0 | |
| Seguimiento de instrucciones | 9.8 | 10.0 | |
| Resolución de acertijos | 5.3 | 7.2 | |
| Llamada de herramientas | 10.0 | 10.0 | |
| Cultura general | 3.0 | 10.0 |