Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok 4.20

Ringkasan

Perbandingan benchmark Step 3.7 Flash vs Grok 4.20: Step 3.7 Flash unggul dalam skor rata-rata dengan 7.3 vs 7.1. Step 3.7 Flash memiliki biaya benchmark lebih rendah di $0.341 vs $0.609. Step 3.7 Flash lebih cepat di 15.74s vs 27.68s, dengan tingkat keberhasilan 68.3% vs 63.5%.

Model yang direkomendasikan: Step 3.7 Flash - It has the best score here (7.3), while costing about 1.8x less than Grok 4.20.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-04

Metrik Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29 Grok 4.20 Grok 4.20 medium Rilis: 2026-03-31
Skor 7.3 7.1
Peringkat #57 #65
Keandalan 10.0 10.0
Konsistensi 8.4 8.8
Tes benar
Tingkat lulus per percobaan 68.3% 63.5%
Tes tidak stabil 4 3
Total Run 63 63
Biaya per hasil 2.840 8.309
Total Biaya $0.341 $0.609
Harga input $0.200 / 1M $1.250 / 1M
Harga output $1.150 / 1M $2.500 / 1M
Total token input 40,101 44,433
Token output 289,325 1,819
Token penalaran 0 219,524
Waktu respons (rata-rata) 15.74s 27.68s
Waktu respons (maks) 124.75s 199.66s
Waktu respons (total) 330.63s 581.26s

Generation showcase

Hamster playing table tennis

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

#57 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
25.3s
Tokens
3,072 tok

#65 xAI: Grok 4.20

medium
Cost
$0.041
Time
110.3s
Tokens
16,336 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
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 756 10,896 0
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 0
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
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
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 7,398 2,667 0
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 828 104,487 0
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 525 4,604 0
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 735 1,857 0
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 756 3,564 0
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 7,746 1,360 0
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442

Perbandingan Cepat

Ganti Pasangan Perbandingan

Step 3.7 FlashlowvsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5.1mediumStep 3.7 FlashlowvsGLM 5V TurbomediumKimi K2.6mediumTersedia gratisvsStep 3.7 FlashlowGPT-5.3 ChatnonevsGrok 4.20mediumGPT-5 MinimediumvsStep 3.7 FlashlowGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2-FlashmediumGemini 3.1 Flash LitelowvsGrok 4.20mediumClaude Opus 4.8nonevsGrok 4.20mediumClaude Sonnet 4.6mediumvsStep 3.7 Flashlow