AI BENCHY Compare

Anthropic: Claude Opus 4.7 vs StepFun: Step 3.7 Flash

Ringkasan

Perbandingan benchmark Claude Opus 4.7 vs Step 3.7 Flash: Claude Opus 4.7 unggul dalam skor rata-rata dengan 8.7 vs 7.7. Step 3.7 Flash memiliki biaya benchmark lebih rendah di $0.341 vs $0.679. Claude Opus 4.7 lebih cepat di 4.73s vs 15.74s, dengan tingkat keberhasilan 82.5% vs 68.3%.

Model yang direkomendasikan: Claude Opus 4.7 - It has the best score here (8.7), while responding about 3.3x faster than Step 3.7 Flash.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-12

Metrik	Claude Opus 4.7 Claude Opus 4.7 medium Rilis: 2026-04-16	Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29

Metrik	Claude Opus 4.7 Claude Opus 4.7 medium Rilis: 2026-04-16	Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor	8.7	7.7
Peringkat	#17	#42
Keandalan	10.0	10.0
Konsistensi	9.6	8.4
Tes benar
Tingkat lulus per percobaan	82.5%	68.3%
Tes tidak stabil	1	4
Total Run	63	63
Biaya per hasil	3.991	2.840
Total Biaya	$0.679	$0.341
Harga input	$5.000 / 1M	$0.200 / 1M
Harga output	$25.000 / 1M	$1.150 / 1M
Total token input	65,406	40,101
Token output	11,858	289,325
Token penalaran	2,198	0
Waktu respons (rata-rata)	4.73s	15.74s
Waktu respons (maks)	23.18s	124.75s
Waktu respons (total)	94.51s	330.63s

Generation showcase

Hamster playing table tennis

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

#17 Claude Opus 4.7

medium

Cost: $0.059
Time: 26.8s
Tokens: 2,475 tok

#42 Step 3.7 Flash

low

Invalid SVG

Cost: $0.004
Time: 25.3s
Tokens: 3,072 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.7	8.3	10.0	75.0%	0		1.85s	894	348	0
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.7	7.6	7.2	77.8%	1		12.96s	10,635	7,629	1,114
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.7	10.0	10.0	100.0%	0		21.45s	24,501	2,369	1,084
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	13,683	6,426	0

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.7	10.0	10.0	100.0%	0		2.37s	10,533	324	0
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.7	7.7	10.0	66.7%	0		1.17s	630	51	0
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.7	10.0	10.0	100.0%	0		2.87s	723	256	0
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.7	10.0	10.0	100.0%	0		1.57s	939	114	0
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.7	10.0	10.0	100.0%	0		2.43s	939	370	0
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.7	10.0	10.0	100.0%	0		4.17s	15,339	373	0
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.7	3.0	10.0	0.0%	0		2.25s	273	24	0
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Perbandingan Cepat

Ganti Pasangan Perbandingan