AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs StepFun: Step 3.7 Flash

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs Step 3.7 Flash: Step 3.7 Flash unggul dalam skor rata-rata dengan 8.5 vs 7.7. Step 3.7 Flash memiliki biaya benchmark lebih rendah di $0.376 vs $1.270. Claude Opus 4.8 lebih cepat di 10.83s vs 20.35s, dengan tingkat keberhasilan 79.4% vs 73.0%.

Model yang direkomendasikan: Step 3.7 Flash - It has the best score here (8.5), while costing about 3.4x less than Claude Opus 4.8.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-02

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Step 3.7 Flash Step 3.7 Flash medium Rilis: 2026-05-29

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Step 3.7 Flash Step 3.7 Flash medium Rilis: 2026-05-29
Skor	7.7	8.5
Peringkat	#38	#20
Keandalan	10.0	9.9
Konsistensi	8.8	9.3
Tes benar
Tingkat lulus per percobaan	79.4%	73.0%
Tes tidak stabil	3	2
Total Run	63	61
Biaya per hasil	8.466	2.686
Total Biaya	$1.270	$0.376
Harga input	$5.000 / 1M	$0.200 / 1M
Harga output	$25.000 / 1M	$1.150 / 1M
Total token input	60,946	39,981
Token output	31,771	319,958
Token penalaran	6,831	0
Waktu respons (rata-rata)	10.83s	20.35s
Waktu respons (maks)	127.97s	113.98s
Waktu respons (total)	227.39s	427.42s

Showcase generasi

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

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

#20 Step 3.7 Flash

medium

Biaya: $0.006
Waktu: 46.2s
Token: 4,466 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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Step 3.7 Flash	8.7	7.9	91.7%	1		9.65s	756	32,185	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 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	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 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Step 3.7 Flash	10.0	10.0	100.0%	0		9.06s	13,683	7,106	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 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Step 3.7 Flash	10.0	10.0	100.0%	0		2.75s	7,398	3,020	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 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	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 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	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 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Step 3.7 Flash	9.8	10.0	100.0%	0		1.83s	735	2,166	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 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	15,071	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 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Step 3.7 Flash	10.0	10.0	100.0%	0		4.16s	7,746	2,115	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 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

Perbandingan Cepat

Ganti Pasangan Perbandingan