Advertise here
#203

Step 3.7 Flash

Stepfun रिलीज़: 2026-05-29 परीक्षण किया गया: 2026-10-01 02:09 stepfun/step-3.7-flash::high
198B कुल (11B सक्रिय)MoEमुक्त स्रोत
(high) (medium) (low)

सारांश

Step 3.7 Flash AI BENCHY पर 6.6 स्कोर करता है और #203 पर है। इसकी reliability 10.0, pass rate 58.0%, कुल लागत $1.478, और औसत response time 72.72s है।

Step 3.7 Flash को अलग क्या बनाता है: यह संयुक्त में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #16 पर है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित
पैरामीटर
198B कुल (11B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
मुक्त स्रोत
लाइसेंस
Apache-2.0
पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

6.6

संगति

8.5

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.478 ↑ +9.5%

परीक्षण के समय: $1.350

कुल आउटपुट टोकन

1,100,052

कुल इनपुट टोकन

421,200

इनपुट कीमत

$0.200 / 1M

आउटपुट कीमत

$1.150 / 1M

कैश पढ़ने की कीमत

$0.040 / 1M

कैश लिखने की कीमत

लागू नहीं

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।

सही परीक्षण

गलत टेस्ट: 12

प्रति प्रयास पास दर: 58.0%

अस्थिर टेस्ट

4

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

72.72s

प्रतिक्रिया समय (अधिकतम): 364.99s

प्रतिक्रिया समय (कुल): 1672.53s

गलत उत्तर: 8 कोई उत्तर नहीं: 2 API त्रुटि: 1 अमान्य टूल कॉल: 1

Hamster playing table tennis

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

#203 Step 3.7 Flash

high
लागत
$0.007
समय
63.6s
टोकन
6,030 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-10-01 02:09 दोबारा परीक्षण 6.6 10.0 $1.478 ↑ वर्तमान रन
2026-07-16 22:46 नया टेस्ट जोड़ा गया 6.9 10.0 $1.207 तुलना करें
2026-06-04 14:10 नया टेस्ट जोड़ा गया 7.0 10.0 $1.148 तुलना करें
2026-05-29 11:53 पहला रन 7.1 9.9 $0.960 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-10-01 02:09 · वर्तमान रन69/69 प्रयास6.68.510.011/2341,100,052421,200$1.47872.72s
2026-05-29 11:53 · पहला रन60/60 प्रयास7.18.29.911/204828,0840$0.96049.43s
अंतर—-0.6+0.3+0.100+271968+421200+$0.519+23290ms

बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 60/60 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत कैश पढ़ने की कीमत कैश लिखने की कीमत
2026-08-14 12:51 $0.200 / 1M $1.150 / 1M लागू नहीं लागू नहीं
2026-10-01 18:33 $0.200 / 1M $1.150 / 1M $0.040 / 1M लागू नहीं

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Step 3.7 FlashhighvsMercury 2mediumStep 3.7 FlashhighvsKAT-Coder-Pro V2.5lowStep 3.7 FlashhighvsLongCat 2.0lowStep 3.7 FlashhighvsClaude Sonnet 5.5mediumStep 3.7 FlashhighvsQwen3.7 FlashmediumStep 3.7 FlashhighvsQwen3.6 35B A3BmediumStep 3.7 FlashhighvsGLM 5.2noneStep 3.7 FlashhighvsMercury 2.5 PreviewhighStep 3.7 FlashhighvsGPT-5.5noneStep 3.7 FlashhighvsMercury 2.5high

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 5.4 9.6
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 4.0 6.0
संयुक्त 8.7 6.9
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.6 7.2
Samanya Buddhimatta 5.5 10.0
निर्देश पालन 9.8 10.0
पहेली समाधान 5.3 7.2
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल