Navigasi
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs StepFun: Step 3.7 Flash

Ringkasan

Skor rata-rata hampir imbang di 7.7 vs 7.7. Step 3.7 Flash (low) memiliki biaya benchmark lebih rendah di $0.341 vs $1.270. Claude Opus 4.8 (low) lebih cepat di 10.83s vs 15.74s, dengan tingkat keberhasilan 79.4% vs 68.3%.

Model yang direkomendasikanStep 3.7 Flash (low)It has the best score here (7.7), while costing about 3.7x less than Claude Opus 4.8 (low).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-14

Metrik Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28 Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor 7.7 7.7
Peringkat #47 #51
Keandalan 10.0 10.0
Konsistensi 8.8 8.4
Tes benar
Tingkat lulus per percobaan 79.4% 68.3%
Tes tidak stabil 3 4
Total Run 63 63
Biaya per hasil 8.466 2.840
Total Biaya $1.270 $0.341
Harga input $5.000 / 1M $0.200 / 1M
Harga output $25.000 / 1M $1.150 / 1M
Total token input 60,946 40,101
Token output 31,771 289,325
Token penalaran 6,831 0
Waktu respons (rata-rata) 10.83s 15.74s
Waktu respons (maks) 127.97s 124.75s
Waktu respons (total) 227.39s 330.63s

Showcase generasi

Hamster playing table tennis

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

#47 Claude Opus 4.8

low
Biaya
$0.031
Waktu
14.1s
Token
1,345 tok

#51 Step 3.7 Flash

low
SVG tidak valid
Biaya
$0.004
Waktu
25.3s
Token
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

Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

Perbandingan Cepat

Ganti Pasangan Perbandingan