AI BENCHY
Advertise here
#115

Step 3.7 Flash

Stepfun Lanzamiento: 2026-05-29 Probado el: 2026-08-14 02:29 stepfun/step-3.7-flash::low
198B en total (11B activos)MoECódigo abierto
(high) (medium) (low)

Resumen

Step 3.7 Flash obtiene 7.1 en AI BENCHY y ocupa el puesto #115. Tiene fiabilidad 10.0, una tasa de aciertos de 63.6%, coste total de $0.390 y tiempo medio de respuesta de 17.87s.

Qué hace único a Step 3.7 Flash: Destaca más en Programación, donde ocupa #3, mientras que Análisis y extracción de datos es su área más débil con #17.

Datos del modelo

Investigado el 2026-08-12

Declarado
Parámetros
198B en total (11B activos)
Arquitectura
MoE
Disponibilidad
Código abierto
Licencia
Apache-2.0
Fuente de los parámetros Fuente de disponibilidad

Puntuación

7.1

Consistencia

8.1

Fiabilidad

10.0

Costo total (precio actual)

$0.390

Total de tokens de salida

320,393

Total de tokens de entrada

103,842

Precio de entrada

$0.200 / 1M

Precio de salida

$1.150 / 1M

Pruebas correctas

Pruebas incorrectas: 11

Tasa de aciertos por intento: 63.6%

Pruebas inestables

5

Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).

Tiempo de respuesta (promedio)

17.87s

Tiempo de respuesta (máximo): 124.75s

Tiempo de respuesta (total): 393.04s

Respuesta incorrecta: 9 Llamada de herramienta no válida: 1 Sin respuesta: 1

Hamster playing table tennis

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

#115 Step 3.7 Flash

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

Historial de ejecuciones

Probado el Puntuación Fiabilidad Pruebas correctas Costo total Comparar
2026-08-14 02:29 Nueva prueba 7.1 10.0 $0.390 Ejecución actual
2026-07-16 22:46 Prueba nueva añadida 7.3 10.0 $0.454 Comparar
2026-06-04 13:49 Prueba nueva añadida 7.3 10.0 $0.341 Comparar
2026-05-29 11:49 Primera ejecución 7.4 10.0 $0.336 Comparar

Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.

Comparación de ejecuciones

EjecuciónCobertura del benchmarkPuntuaciónConsistenciaFiabilidadPruebas correctasPruebas inestablesTotal de tokens de salidaTotal de tokens de entradaCosto totalTiempo de respuesta (promedio)
2026-08-14 02:29 · Ejecución actual66/66 intentos7.18.110.011/225320,393103,842$0.39017.87s
2026-06-04 13:49 · Prueba nueva añadida63/63 intentos7.38.410.012/214289,32540,101$0.34115.74s
Diferencia—-0.1-0.30.0-1+1+31068+63741+$0.049+2122ms

La cobertura del benchmark difiere: 66/66 intentos (Objetivo: 3 repeticiones por prueba) frente a 63/63 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.

Historial de precios

Datos históricos de precios de este modelo de OpenRouter.

Fecha Precio de entrada Precio de salida
2026-08-14 12:51 $0.200 / 1M $1.150 / 1M

Gráficos

Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.

Total de tokens de salida

Puntuación vs Total de tokens de salida

Comparación rápida

Step 3.7 FlashlowvsMuse Glimmer 30BlowStep 3.7 FlashlowvsSolar Pro 4highStep 3.7 FlashlowvsQwen3.5-122B-A10BmediumStep 3.7 FlashlowvsGrok 4.3mediumStep 3.7 FlashlowvsMuse Glimmer 30BmediumStep 3.7 FlashlowvsGPT-5.6 SolnoneStep 3.7 FlashlowvsQwen3.7 FlashlowStep 3.7 FlashlowvsDeepSeek V3.2mediumStep 3.7 FlashlowvsQwen3.5 Plus 2026-04-20mediumStep 3.7 FlashlowvsGLM 5.1medium

Desglose por categoría

Categoría Puntuación Consistencia Pruebas correctas
Trucos anti-IA 8.7 7.9
Programación 8.2 7.2
Combinado 7.3 5.8
Análisis y extracción de datos 7.3 5.8
Específico del dominio 2.9 7.2
Inteligencia general 3.4 9.3
Seguimiento de instrucciones 9.8 10.0
Resolución de acertijos 5.5 9.9
Llamada de herramientas 10.0 10.0
Cultura general 3.0 10.0

Modelos comparados