नेविगेशन
Advertise here

Step 3.7 Flash (medium) vs Grok 4.5 (medium)

average score लगभग बराबर है: 7.8 vs 7.8. Step 3.7 Flash (medium) की benchmark लागत कम है: $0.571 vs $2.996. Step 3.7 Flash (medium) तेज है: 26.57s vs 68.44s, pass rates 68.1% vs 79.7%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-06

तुलना किए गए मॉडल

रैंक
#109
कुल आउटपुट टोकन
440,835
प्रतिक्रिया समय (औसत)
26.57s
कुल लागत
$0.571
रैंक
#107
कुल आउटपुट टोकन
306,044
प्रतिक्रिया समय (औसत)
68.44s
कुल लागत
$2.996
अनुशंसित मॉडल Step 3.7 Flash (medium)

It has the best score here (7.8), while costing about 5.2x less than Grok 4.5 (medium).

विस्तृत तुलना

मेट्रिक Step 3.7 Flash Step 3.7 Flash medium रिलीज़: 2026-05-29 Grok 4.5 Grok 4.5 medium रिलीज़: 2026-07-08
स्कोर 7.8 7.8
रैंक #109 #107
विश्वसनीयता 10.0 10.0
संगति 8.7 9.0
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 68.1% 79.7%
अस्थिर टेस्ट 4 3
कुल रन 69 69
प्रति परिणाम लागत 4.392 14.430
कुल लागत $0.571 $2.996
इनपुट कीमत $0.200 / 1M $2.000 / 1M
आउटपुट कीमत $1.150 / 1M $6.000 / 1M
कैश पढ़ने की कीमत $0.040 / 1M $0.300 / 1M
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 319,524 308,369
आउटपुट टोकन 440,835 7,013
रीजनिंग टोकन 0 299,031
प्रतिक्रिया समय (औसत) 26.57s 68.44s
प्रतिक्रिया समय (अधिकतम) 152.83s 436.38s
प्रतिक्रिया समय (कुल) 611.09s 1574.14s
पैरामीटर 198B कुल (11B सक्रिय) ~1.7T कुल (~170B सक्रिय)
उपलब्धता मुक्त स्रोत बंद स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#109 Step 3.7 Flash

medium
लागत
$0.006
समय
46.2s
टोकन
4,466 tok

#107 SpaceXAI: Grok 4.5

medium
लागत
$0.044
समय
59.4s
टोकन
7,512 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 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
Grok 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634

त्वरित तुलना

तुलना जोड़ी बदलें

Grok 4.5mediumvsGLM 5.3highStep 3.7 FlashmediumvsGLM 5.3highLing 3.1 FlashhighvsGrok 4.5mediumQwen3.7 PlusnonevsStep 3.7 FlashmediumStep 3.7 FlashmediumvsGrok 4.5lowQwen3.8 2.4T A95BhighvsGrok 4.5mediumLing 3.1 FlashhighvsStep 3.7 FlashmediumQwen3.7 PlusnonevsGrok 4.5mediumQwen3.8 2.4T A95BhighvsStep 3.7 FlashmediumQwen3.7 MaxnonevsGrok 4.5mediumQwen3.7 MaxnonevsStep 3.7 FlashmediumClaude Fable 5.1highvsGrok 4.5medium