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

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-29

Metrik Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28 Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor 7.3 7.4
Peringkat #65 #60
Keandalan 10.0 10.0
Konsistensi 9.2 8.7
Tes benar
Tingkat lulus per percobaan 65.0% 68.3%
Tes tidak stabil 2 3
Total Run 60 60
Biaya per hasil 4.324 2.796
Total Biaya $0.519 $0.336
Harga input $5.000 / 1M $0.200 / 1M
Harga output $25.000 / 1M $1.150 / 1M
Token output 8,098 285,209
Token penalaran 0 0
Waktu respons (rata-rata) 3.51s 16.06s
Waktu respons (maks) 17.73s 124.75s
Waktu respons (total) 70.19s 321.11s

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 output Token penalaran
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 1,472 0
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 10,896 0
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 6.8 10.0 50.0% 0 3.59s 1,323 0
Step 3.7 Flash 10.0 10.0 100.0% 0 9.43s 14,569 0
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 3,259 0
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 6,426 0
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 308 0
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 2,667 0
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 5.3 7.2 44.4% 1 1.66s 61 0
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 104,487 0
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 230 0
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 4,604 0
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 95 0
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 1,857 0
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 783 0
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 3,564 0
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 355 0
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 1,360 0
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 212 0
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 134,779 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.8nonevsDeepSeek V3.2mediumKimi K2.6mediumTersedia gratisvsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2.5mediumClaude Opus 4.8nonevsQwen3.5-35B-A3BmediumGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5V TurbomediumClaude Opus 4.8nonevsRing-2.6-1TmediumStep 3.7 FlashlowvsGLM 5.1mediumClaude Opus 4.8nonevsGPT-5.4 MinimediumClaude Opus 4.8nonevsGPT-5.2mediumGPT-5.2mediumvsStep 3.7 FlashlowGPT-5.4 MinimediumvsStep 3.7 Flashlow