AI BENCHY
Advertise here
#131

Step 3.7 Flash

Stepfun Rilis: 2026-05-29 Diuji pada: 2026-08-14 02:45 stepfun/step-3.7-flash::high
198B total (11B aktif)MoESumber terbuka
(high) (medium) (low)

Ringkasan

Step 3.7 Flash mendapat skor 6.8 di AI BENCHY dan berada di peringkat #131. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 60.6%, total biaya $1.229, dan waktu respons rata-rata 70.10s.

Yang membuat Step 3.7 Flash unik: Model ini paling menonjol di Gabungan, dengan peringkat #1, sementara Pemecahan teka-teki adalah area terlemahnya di #17.

Fakta model

Ditelaah pada 2026-08-12

Dilaporkan
Parameter
198B total (11B aktif)
Arsitektur
MoE
Ketersediaan
Sumber terbuka
Lisensi
Apache-2.0
Sumber parameter Sumber ketersediaan

Skor

6.8

Konsistensi

8.4

Keandalan

10.0

Total biaya (harga saat ini)

$1.229

Total token output

1,050,900

Total token input

98,700

Harga input

$0.200 / 1M

Harga output

$1.150 / 1M

Tes benar

Tes Salah: 11

Tingkat lulus per percobaan: 60.6%

Tes tidak stabil

4

Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).

Waktu respons (rata-rata)

70.10s

Waktu respons (maks): 364.99s

Waktu respons (total): 1542.14s

Jawaban salah: 7 Tidak ada jawaban: 3 Pemanggilan alat tidak valid: 1

Hamster playing table tennis

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

#131 Step 3.7 Flash

high
Biaya
$0.007
Waktu
63.6s
Token
6,030 tok

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya Bandingkan
2026-08-14 02:45 Uji ulang 6.8 10.0 $1.229 Run saat ini
2026-07-16 22:46 Tes baru ditambahkan 6.9 10.0 $1.207 Bandingkan
2026-06-04 14:10 Tes baru ditambahkan 7.0 10.0 $1.148 Bandingkan
2026-05-29 11:53 Run awal 7.1 9.9 $0.960 Bandingkan

Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.

Perbandingan run

RunCakupan benchmarkSkorKonsistensiKeandalanTes benarTes tidak stabilTotal token outputTotal token inputTotal BiayaWaktu respons (rata-rata)
2026-08-14 02:45 · Run saat ini66/66 percobaan6.88.410.011/2241,050,90098,700$1.22970.10s
2026-07-16 22:46 · Tes baru ditambahkan66/66 percobaan6.98.010.011/2251,032,39598,691$1.20764.68s
Selisih—0.0+0.40.00-1+18505+9+$0.022+5415ms

Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.

Riwayat harga

Data harga historis untuk model ini dari OpenRouter.

Tanggal Harga input Harga output
2026-08-14 12:51 $0.200 / 1M $1.150 / 1M

Grafik

Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.

Total token output

Skor vs Total token output

Perbandingan Cepat

Step 3.7 FlashhighvsQwen3.6 FlashmediumStep 3.7 FlashhighvsSeed-2.0-CodemediumStep 3.7 FlashhighvsGemini 3.5 FlashnoneStep 3.7 FlashhighvsSolar Pro 4lowStep 3.7 FlashhighvsSeed-2.0-CodehighStep 3.7 FlashhighvsSolar Pro 4mediumStep 3.7 FlashhighvsQwen3.7 FlashmediumStep 3.7 FlashhighvsDeepSeek V4 PrononeStep 3.7 FlashhighvsKAT-Coder-Pro V2.5mediumStep 3.7 FlashhighvsGLM 5.3low

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Trik anti-AI 10.0 10.0
Pemrograman 4.0 6.0
Gabungan 8.7 6.9
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 3.6 7.2
Kecerdasan umum 5.5 10.0
Kepatuhan instruksi 9.8 10.0
Pemecahan teka-teki 5.3 7.2
Pemanggilan alat 10.0 10.0
Pengetahuan umum 3.0 10.0

Model yang Dibandingkan