#56 Step 3.7 Flash
low
अमान्य SVG
- लागत
- $0.004
- समय
- 25.3s
- टोकन
- 3,072 tok
Stepfun
रिलीज़: 2026-05-29
परीक्षण किया गया: 2026-06-04 13:49
stepfun/step-3.7-flash::low
198B कुल (11B सक्रिय)MoEमुक्त स्रोत
सारांश
Step 3.7 Flash AI BENCHY पर 7.3 स्कोर करता है और #56 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 संयुक्त में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि Samanya Buddhimatta इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 198B कुल (11B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- लाइसेंस
- Apache-2.0
7.3
संगति
8.4
10.0
$0.341
कुल आउटपुट टोकन
289,325
कुल इनपुट टोकन
40,101
इनपुट कीमत
$0.200 / 1M
आउटपुट कीमत
$1.150 / 1M
अस्थिर टेस्ट
4
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-08-14 02:29 दोबारा परीक्षण | 7.1 | 10.0 | $0.390 | तुलना करें | |
| 2026-07-16 22:46 नया टेस्ट जोड़ा गया | 7.3 | 10.0 | $0.454 | 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।
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-06-04 13:49 · नया टेस्ट जोड़ा गया | 63/63 प्रयास | 7.3 | 8.4 | 10.0 | 12/21 | 4 | 289,325 | 40,101 | $0.341 | 15.74s |
| 2026-07-16 22:46 · नया टेस्ट जोड़ा गया | 66/66 प्रयास | 7.3 | 8.1 | 10.0 | 12/22 | 5 | 376,581 | 103,833 | $0.454 | 20.68s |
| अंतर | — | 0.0 | +0.3 | 0.0 | 0 | -1 | -87256 | -63732 | -$0.114 | -4938ms |
बेंचमार्क कवरेज अलग है: 63/63 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 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 |
|---|---|---|
| 2026-06-04 14:42 | $0.200 / 1M | $1.150 / 1M |
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
Step 3.7 FlashlowvsMuse Glimmer 30BlowStep 3.7 FlashlowvsSolar Pro 4highStep 3.7 FlashlowvsQwen3.5-122B-A10BmediumStep 3.7 FlashlowvsGrok 4.3mediumStep 3.7 FlashlowvsMuse Glimmer 30BmediumStep 3.7 FlashlowvsGPT-5.6 SolnoneStep 3.7 FlashlowvsQwen3.7 FlashlowStep 3.7 FlashlowvsDeepSeek V3.2mediumStep 3.7 FlashlowvsQwen3.5 Plus 2026-04-20mediumStep 3.7 FlashlowvsGLM 5.1medium
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 |