नेविगेशन
AI BENCHY
Advertise here

Step 3.7 Flash (low) vs Grok 4.3 (medium)

Step 3.7 Flash (low) average score में आगे है: 7.1 vs 7.0. Step 3.7 Flash (low) की benchmark लागत कम है: $0.390 vs $0.741. Step 3.7 Flash (low) तेज है: 17.87s vs 44.21s, pass rates 63.6% vs 66.7%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-08-26

रैंक
#115
कुल आउटपुट टोकन
320,393
प्रतिक्रिया समय (औसत)
17.87s
कुल लागत
$0.390
रैंक
#117
कुल आउटपुट टोकन
225,904
प्रतिक्रिया समय (औसत)
44.21s
कुल लागत
$0.741
अनुशंसित मॉडल Step 3.7 Flash (low)

It has the best score here (7.1), while costing about 1.9x less than Grok 4.3 (medium).

विस्तृत तुलना

मेट्रिक Step 3.7 Flash Step 3.7 Flash low रिलीज़: 2026-05-29 Grok 4.3 Grok 4.3 medium रिलीज़: 2026-05-01
स्कोर 7.1 7.0
रैंक #115 #117
विश्वसनीयता 10.0 10.0
संगति 8.1 8.2
प्रयास 66/66 66/66
सही परीक्षण
प्रति प्रयास पास दर 63.6% 66.7%
अस्थिर टेस्ट 5 5
कुल रन 66 66
प्रति परिणाम लागत 3.539 6.168
कुल लागत $0.390 $0.741
इनपुट कीमत $0.200 / 1M $1.250 / 1M
आउटपुट कीमत $1.150 / 1M $2.500 / 1M
कुल इनपुट टोकन 103,842 140,244
आउटपुट टोकन 320,393 13,739
रीजनिंग टोकन 0 212,165
प्रतिक्रिया समय (औसत) 17.87s 44.21s
प्रतिक्रिया समय (अधिकतम) 124.75s 216.69s
प्रतिक्रिया समय (कुल) 393.04s 972.64s
पैरामीटर 198B कुल (11B सक्रिय) ~1.5T कुल (~150B सक्रिय)
उपलब्धता मुक्त स्रोत बंद स्रोत

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#115 Step 3.7 Flash

low
अमान्य SVG
लागत
$0.004
समय
25.3s
टोकन
3,072 tok

#117 SpaceXAI: Grok 4.3

medium
लागत
$0.009
समय
19.0s
टोकन
3,661 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0
Grok 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226

त्वरित तुलना

तुलना जोड़ी बदलें