Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok 4.5

Ringkasan

Perbandingan benchmark Step 3.7 Flash (medium) vs Grok 4.5 (low): Step 3.7 Flash (medium) unggul dalam skor rata-rata dengan 8.5 vs 7.8. Step 3.7 Flash (medium) memiliki biaya benchmark lebih rendah di $0.376 vs $0.760. Grok 4.5 (low) lebih cepat di 15.48s vs 20.35s, dengan tingkat keberhasilan 73.0% vs 74.6%.

Model yang direkomendasikan: Step 3.7 Flash (medium) - It has the best score here (8.5), while costing about 2.0x less than Grok 4.5 (low).

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

Metrik Step 3.7 Flash Step 3.7 Flash medium Rilis: 2026-05-29 Grok 4.5 Grok 4.5 low Rilis: 2026-07-08
Skor 8.5 7.8
Peringkat #20 #34
Keandalan 9.9 10.0
Konsistensi 9.3 9.7
Tes benar
Tingkat lulus per percobaan 73.0% 74.6%
Tes tidak stabil 2 1
Total Run 61 63
Biaya per hasil 2.686 5.061
Total Biaya $0.376 $0.760
Harga input $0.200 / 1M $2.000 / 1M
Harga output $1.150 / 1M $6.000 / 1M
Total token input 39,981 58,652
Token output 319,958 1,735
Token penalaran 0 105,233
Waktu respons (rata-rata) 20.35s 15.48s
Waktu respons (maks) 113.98s 205.28s
Waktu respons (total) 427.42s 324.98s

Showcase generasi

Hamster playing table tennis

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

#20 Step 3.7 Flash

medium
Biaya
$0.006
Waktu
46.2s
Token
4,466 tok

#34 xAI: Grok 4.5

low
Biaya
$0.011
Waktu
12.4s
Token
2,018 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 9.65s 756 32,185 0
Grok 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
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 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
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 9.06s 13,683 7,106 0
Grok 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
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 10.0 10.0 100.0% 0 2.75s 7,398 3,020 0
Grok 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
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 7.7 10.0 66.7% 0 48.27s 708 70,347 0
Grok 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
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 4.0 10.0 0.0% 0 6.85s 525 3,987 0
Grok 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
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 1.83s 735 2,166 0
Grok 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
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 5.7 9.9 33.3% 0 6.19s 756 15,071 0
Grok 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
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 4.16s 7,746 2,115 0
Grok 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
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% 0 113.98s 237 139,164 0
Grok 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.2 ChatnonevsStep 3.7 FlashmediumClaude Sonnet 4.6mediumvsGrok 4.5lowQwen3.6 PlusmediumvsGrok 4.5lowGemini 3.1 Flash Lite PreviewmediumvsGrok 4.5lowQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGemini 3.1 Flash LitemediumvsGrok 4.5lowKimi K2.6mediumTersedia gratisvsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowQwen3.5-122B-A10BmediumvsGrok 4.5lowClaude Opus 4.6mediumvsGrok 4.5lowQwen3.5 Plus 2026-02-15mediumvsGrok 4.5low