AI BENCHY
Advertise here
#57

Step 3.7 Flash

Stepfun रिलीज़: 2026-05-29 परीक्षण किया गया: 2026-06-04 13:49 stepfun/step-3.7-flash::low
(high) (medium) (low)

सारांश

Step 3.7 Flash AI BENCHY पर 7.3 स्कोर करता है और #57 पर है। इसकी reliability 10.0, pass rate 68.3%, कुल लागत $0.341, और औसत response time 15.74s है।

Step 3.7 Flash को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि Samanya Buddhimatta इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है।

स्कोर

7.3

संगति

8.4

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.341

कुल आउटपुट टोकन

289,325

कुल इनपुट टोकन

40,101

इनपुट कीमत

$0.200 / 1M

आउटपुट कीमत

$1.150 / 1M

सही परीक्षण

गलत टेस्ट: 9

प्रति प्रयास पास दर: 68.3%

अस्थिर टेस्ट

4

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

प्रतिक्रिया समय (औसत)

15.74s

प्रतिक्रिया समय (अधिकतम): 124.75s

प्रतिक्रिया समय (कुल): 330.63s

गलत उत्तर: 8 कोई उत्तर नहीं: 1

Generation showcase

Hamster playing table tennis

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

#57 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
25.3s
Tokens
3,072 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 13:49 नया टेस्ट जोड़ा गया 7.3 10.0 $0.341 वर्तमान रन
2026-05-29 11:49 पहला रन 7.4 10.0 $0.336 तुलना करें

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

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 FlashlowvsQwen3.5-FlashmediumStep 3.7 FlashlowvsGemini 3 Flash PreviewnoneStep 3.7 FlashlowvsClaude Sonnet 4.6mediumStep 3.7 FlashlowvsGrok Build 0.1mediumStep 3.7 FlashlowvsGemini 3 Flash PreviewmediumStep 3.7 FlashlowvsGemini 3.5 FlashhighStep 3.7 FlashlowvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धStep 3.7 FlashlowvsGemini 3.5 Flashlow

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 8.7 7.9
कोडिंग 8.2 7.2
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 7.3 5.8
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 3.4 9.3
निर्देश पालन 9.8 10.0
पहेली समाधान 5.5 9.9
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल