#113

Step 3.7 Flash

Stepfun रिलीज़: 2026-05-29 परीक्षण किया गया: 2026-10-01 02:06 stepfun/step-3.7-flash::medium

198B कुल (11B सक्रिय)MoEमुक्त स्रोत

(high) (medium) (low)

सारांश

Step 3.7 Flash AI BENCHY पर 7.8 स्कोर करता है और #113 पर है। इसकी reliability 10.0, pass rate 68.1%, कुल लागत $0.571, और औसत response time 26.57s है।

Step 3.7 Flash को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है।

सुझाए गए विकल्प

हम इसकी जगह इनमें से एक मॉडल चुनने की सलाह देते हैं:

Claude Haiku 5.5 (low)

स्कोर: 8.6 (+0.77 अंक)
कुल लागत (वर्तमान कीमत): $0.061 · 89.4% सस्ता
प्रतिक्रिया समय (औसत): 7.51s · 71.7% तेज़

तुलना करें →

GPT-6 Luna (medium)

स्कोर: 8.3 (+0.45 अंक)
कुल लागत (वर्तमान कीमत): $0.047 · 91.8% सस्ता
प्रतिक्रिया समय (औसत): 18.07s · 32.0% तेज़

तुलना करें →

Gemini 3.7 Flash (low)

स्कोर: 9.4 (+1.55 अंक)
कुल लागत (वर्तमान कीमत): $0.183 · 68.1% सस्ता
प्रतिक्रिया समय (औसत): 6.24s · 76.5% तेज़

तुलना करें →

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

7.8

संगति

8.7

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.571

कुल आउटपुट टोकन

440,835

कुल इनपुट टोकन

319,524

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: 10

प्रति प्रयास पास दर: 68.1%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

26.57s

प्रतिक्रिया समय (अधिकतम): 152.83s

प्रतिक्रिया समय (कुल): 611.09s

गलत उत्तर: 6 निर्देशों का पालन नहीं किया: 2 अमान्य टूल कॉल: 1 कोई उत्तर नहीं: 1

Hamster playing table tennis

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

#113 Step 3.7 Flash

medium

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

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-10-01 02:06 दोबारा परीक्षण	7.8	10.0	$0.571	वर्तमान रन
2026-07-16 22:50 नया टेस्ट जोड़ा गया	8.0	9.9	$0.515	तुलना करें
2026-06-04 13:52 नया टेस्ट जोड़ा गया	8.0	9.9	$0.376	तुलना करें
2026-05-29 11:49 पहला रन	7.9	9.9	$0.404	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)
2026-10-01 02:06 · वर्तमान रन	69/69 प्रयास	7.8	8.7	10.0	13/23	4	440,835	319,524	$0.571	26.57s
2026-07-16 22:50 · नया टेस्ट जोड़ा गया	64/66 प्रयास	8.0	8.9	9.9	14/22	3	427,572	114,062	$0.515	26.37s
अंतर	—	-0.2	-0.2	+0.1	-1	+1	+13263	+205462	+$0.057	+194ms

बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 64/66 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	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 FlashmediumvsGLM 5.3high Step 3.7 FlashmediumvsGrok 4.6medium Step 3.7 FlashmediumvsGrok 4.5medium Step 3.7 FlashmediumvsQwen3.7 Plusnone Step 3.7 FlashmediumvsLing 3.1 Flashhigh Step 3.7 FlashmediumvsGrok 4.5low Step 3.7 FlashmediumvsMiMo-V2.6-Flashmedium Step 3.7 FlashmediumvsDeepSeek V4 Flash 0731medium Step 3.7 FlashmediumvsQwen3.8 2.4T A95Bhigh Step 3.7 FlashmediumvsGPT-6 Lunahigh

श्रेणी विवरण

श्रेणी	स्कोर	संगति
स्वायत्त एजेंट कार्य	7.4	3.8
एंटी-एआई ट्रिक्स	8.7	7.9
कोडिंग	8.8	7.8
संयुक्त	7.3	5.8
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	5.3	10.0
Samanya Buddhimatta	4.0	10.0
निर्देश पालन	9.8	10.0
पहेली समाधान	5.7	9.9
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Step 3.7 Flash

सुझाए गए विकल्प

मॉडल विवरण

Hamster playing table tennis

#113 Step 3.7 Flash

चार्ट

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

श्रेणी विवरण

तुलना किए गए मॉडल