Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok 4.3

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

Metrik Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29 Grok 4.3 Grok 4.3 medium Rilis: 2026-05-01
Skor 7.4 7.8
Peringkat #60 #36
Keandalan 10.0 10.0
Konsistensi 8.7 8.4
Tes benar
Tingkat lulus per percobaan 68.3% 75.0%
Tes tidak stabil 3 4
Total Run 60 60
Biaya per hasil 2.796 4.557
Total Biaya $0.336 $0.593
Harga input $0.200 / 1M $1.250 / 1M
Harga output $1.150 / 1M $2.500 / 1M
Token output 285,209 1,485
Token penalaran 0 214,710
Waktu respons (rata-rata) 16.06s 49.23s
Waktu respons (maks) 124.75s 216.69s
Waktu respons (total) 321.11s 984.52s

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
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 10,896 0
Grok 4.3 10.0 10.0 100.0% 0 8.83s 88 8,207
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Step 3.7 Flash 10.0 10.0 100.0% 0 9.43s 14,569 0
Grok 4.3 7.4 6.5 66.7% 1 55.26s 532 24,554
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 6,426 0
Grok 4.3 10.0 10.0 100.0% 0 63.99s 234 15,301
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 2,667 0
Grok 4.3 10.0 10.0 100.0% 0 18.97s 180 9,546
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 104,487 0
Grok 4.3 5.3 7.2 44.4% 1 181.74s 14 111,300
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 4,604 0
Grok 4.3 5.4 2.5 66.7% 1 24.70s 70 5,020
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 1,857 0
Grok 4.3 9.8 10.0 100.0% 0 18.58s 57 8,713
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 3,564 0
Grok 4.3 5.9 7.2 55.6% 1 22.52s 128 14,468
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 1,360 0
Grok 4.3 10.0 10.0 100.0% 0 17.66s 168 4,615
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 134,779 0
Grok 4.3 3.0 10.0 0.0% 0 44.47s 14 12,986

Perbandingan Cepat

Ganti Pasangan Perbandingan

Kimi K2.6mediumTersedia gratisvsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2.5mediumGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5V TurbomediumStep 3.7 FlashlowvsGLM 5.1mediumGPT-5.2mediumvsStep 3.7 FlashlowGPT-5.4 MinimediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowGPT-5.2 ChatnonevsGrok 4.3mediumClaude Opus 4.8nonevsStep 3.7 FlashlowDeepSeek V3.2mediumvsStep 3.7 FlashlowQwen3.7 MaxnonevsGrok 4.3medium