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

StepFun: Step 3.7 Flash vs xAI: Grok 4.5

Ringkasan

Perbandingan benchmark Step 3.7 Flash (low) vs Grok 4.5 (medium): Grok 4.5 (medium) unggul dalam skor rata-rata dengan 8.3 vs 7.7. Step 3.7 Flash (low) memiliki biaya benchmark lebih rendah di $0.341 vs $1.696. Step 3.7 Flash (low) lebih cepat di 15.74s vs 62.63s, dengan tingkat keberhasilan 68.3% vs 77.8%.

Model yang direkomendasikan: Step 3.7 Flash (low) - Its score stays close to the best score here (7.7 vs 8.3), while costing about 5.0x less than Grok 4.5 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-08

Metrik Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29 Grok 4.5 Grok 4.5 medium Rilis: 2026-07-08
Skor 7.7 8.3
Peringkat #43 #23
Keandalan 10.0 9.9
Konsistensi 8.4 8.9
Tes benar
Tingkat lulus per percobaan 68.3% 77.8%
Tes tidak stabil 4 3
Total Run 63 63
Biaya per hasil 2.840 11.304
Total Biaya $0.341 $1.696
Harga input $0.200 / 1M $2.000 / 1M
Harga output $1.150 / 1M $6.000 / 1M
Total token input 40,101 53,500
Token output 289,325 1,621
Token penalaran 0 263,127
Waktu respons (rata-rata) 15.74s 62.63s
Waktu respons (maks) 124.75s 436.38s
Waktu respons (total) 330.63s 1315.20s

Showcase generasi

Hamster playing table tennis

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

#43 Step 3.7 Flash

low
SVG tidak valid
Biaya
$0.004
Waktu
25.3s
Token
3,072 tok

#23 xAI: Grok 4.5

medium
Biaya
$0.044
Waktu
59.4s
Token
7,512 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 4.5 10.0 10.0 100.0% 0 23.50s 2,991 147 4,018
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 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634
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 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
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 4.5 10.0 10.0 100.0% 0 6.29s 8,937 225 3,657
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 4.5 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
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 4.5 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
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 4.5 9.8 10.0 100.0% 0 6.06s 1,857 57 2,728
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 4.5 10.0 10.0 100.0% 0 7.75s 2,430 254 3,641
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 4.5 10.0 10.0 100.0% 0 6.57s 8,544 192 968
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 4.5 3.0 10.0 0.0% 0 74.44s 789 13 14,921

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6mediumTersedia gratisvsStep 3.7 FlashlowDeepSeek V4 FlashhighvsGrok 4.5mediumGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Sonnet 4.6mediumvsStep 3.7 Flashlow