AI BENCHY
Advertise here
#63

Step 3.7 Flash

Stepfun रिलीज़: 2026-05-29 परीक्षण किया गया: 2026-06-04 14:10 stepfun/step-3.7-flash::high
(high) (medium) (low)

सारांश

Step 3.7 Flash AI BENCHY पर 7.1 स्कोर करता है और #63 पर है। इसकी reliability 10.0, pass rate 63.5%, कुल लागत $1.148, और औसत response time 64.46s है।

स्कोर

7.1

संगति

8.2

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.148

कुल आउटपुट टोकन

991,355

कुल इनपुट टोकन

38,391

इनपुट कीमत

$0.200 / 1M

आउटपुट कीमत

$1.150 / 1M

सही परीक्षण

गलत टेस्ट: 10

प्रति प्रयास पास दर: 63.5%

अस्थिर टेस्ट

4

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

प्रतिक्रिया समय (औसत)

64.46s

प्रतिक्रिया समय (अधिकतम): 364.99s

प्रतिक्रिया समय (कुल): 1353.57s

गलत उत्तर: 6 कोई उत्तर नहीं: 4

जनरेशन शोकेस

Hamster playing table tennis

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

#63 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
2026-06-04 14:10 नया टेस्ट जोड़ा गया 7.0 10.0 $1.148 वर्तमान रन
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

रनस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-06-04 14:10 · वर्तमान रन7.18.210.011/214991,35538,391$1.14864.46s
2026-05-29 11:53 · पहला रन7.18.29.911/204828,0840$0.96049.43s
अंतर-0.10.0+0.100+163271+38391+$0.189+15027ms

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
2026-06-04 15:40 $0.200 / 1M $1.150 / 1M

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 FlashhighvsClaude Opus 4.8noneStep 3.7 FlashhighvsGemma 4 26B A4Bmediumनिःशुल्क उपलब्धStep 3.7 FlashhighvsQwen3.7 PlusnoneStep 3.7 FlashhighvsClaude Sonnet 4.6noneStep 3.7 FlashhighvsGLM 5.2noneStep 3.7 FlashhighvsGemini 3.5 FlashhighStep 3.7 FlashhighvsGemini 3 Flash PreviewmediumStep 3.7 FlashhighvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धStep 3.7 FlashhighvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 4.0 6.0
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 4.1 4.4
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