StepFun: Step 3.7 Flash vs xAI: Grok 4.20

Step 3.7 Flash (low) unggul dalam skor rata-rata dengan 7.3 vs 7.1. Step 3.7 Flash (low) memiliki biaya benchmark lebih rendah di $0.454 vs $0.777. Step 3.7 Flash (low) lebih cepat di 20.68s vs 29.47s, dengan tingkat keberhasilan 68.2% vs 63.6%.

Model yang direkomendasikanStep 3.7 Flash (low)It has the best score here (7.3), while costing about 1.7x less than Grok 4.20 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-25

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

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	#75	#83
Keandalan	10.0	10.0
Konsistensi	8.1	8.5
Tes benar
Tingkat lulus per percobaan	68.2%	63.6%
Tes tidak stabil	5	4
Total Run	66	66
Biaya per hasil	3.782	9.709
Total Biaya	$0.454	$0.777
Harga input	$0.200 / 1M	$1.250 / 1M
Harga output	$1.150 / 1M	$2.500 / 1M
Total token input	103,833	102,791
Token output	376,581	5,363
Token penalaran	0	253,977
Waktu respons (rata-rata)	20.68s	29.47s
Waktu respons (maks)	124.75s	199.66s
Waktu respons (total)	455.01s	648.35s

Hamster playing table tennis

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

#75 Step 3.7 Flash

low

SVG tidak valid

Biaya: $0.004
Waktu: 25.3s
Token: 3,072 tok

#83 xAI: Grok 4.20

medium

Biaya: $0.041
Waktu: 110.3s
Token: 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

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	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0
Grok 4.20	8.7	6.9	83.3%	1		42.25s	71,267	3,776	44,009

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

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Qwen3.7 PlusnonevsGrok 4.20medium Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsGrok 4.20medium Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok 4.3medium