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 (medium) vs Grok 4.5 (medium): Step 3.7 Flash (medium) unggul dalam skor rata-rata dengan 8.5 vs 8.3. Step 3.7 Flash (medium) memiliki biaya benchmark lebih rendah di $0.376 vs $1.696. Step 3.7 Flash (medium) lebih cepat di 20.35s vs 62.63s, dengan tingkat keberhasilan 73.0% vs 77.8%.

Model yang direkomendasikan: Step 3.7 Flash (medium) - It has the best score here (8.5), while costing about 4.5x 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 medium Rilis: 2026-05-29 Grok 4.5 Grok 4.5 medium Rilis: 2026-07-08
Skor 8.5 8.3
Peringkat #20 #23
Keandalan 9.9 9.9
Konsistensi 9.3 8.9
Tes benar
Tingkat lulus per percobaan 73.0% 77.8%
Tes tidak stabil 2 3
Total Run 61 63
Biaya per hasil 2.686 11.304
Total Biaya $0.376 $1.696
Harga input $0.200 / 1M $2.000 / 1M
Harga output $1.150 / 1M $6.000 / 1M
Total token input 39,981 53,500
Token output 319,958 1,621
Token penalaran 0 263,127
Waktu respons (rata-rata) 20.35s 62.63s
Waktu respons (maks) 113.98s 436.38s
Waktu respons (total) 427.42s 1315.20s

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

#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 9.65s 756 32,185 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 8.8 7.8 88.9% 1 27.42s 7,437 44,797 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 9.06s 13,683 7,106 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 10.0 10.0 100.0% 0 2.75s 7,398 3,020 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 7.7 10.0 66.7% 0 48.27s 708 70,347 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 4.0 10.0 0.0% 0 6.85s 525 3,987 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 1.83s 735 2,166 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 5.7 9.9 33.3% 0 6.19s 756 15,071 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 4.16s 7,746 2,115 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% 0 113.98s 237 139,164 0
Grok 4.5 3.0 10.0 0.0% 0 74.44s 789 13 14,921

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGrok 4.5mediumGPT-5.2 ChatnonevsGrok 4.5mediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumClaude Opus 4.8lowvsGrok 4.5mediumStep 3.7 FlashlowvsGrok 4.5mediumStep 3.7 FlashmediumvsGrok 4.5lowDeepSeek V4 ProhighvsGrok 4.5mediumClaude Opus 4.8lowvsStep 3.7 FlashmediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumGPT-5.3 ChatnonevsGrok 4.5mediumGPT-5.5lowvsStep 3.7 Flashmedium