#60 Step 3.7 Flash
low
SVG tidak valid
- Biaya
- $0.004
- Waktu
- 25.3s
- Token
- 3,072 tok
Stepfun
Rilis: 2026-05-29
Diuji pada: 2026-05-29 11:49
stepfun/step-3.7-flash::low
198B total (11B aktif)MoESumber terbuka
Ringkasan
Step 3.7 Flash mendapat skor 7.4 di AI BENCHY dan berada di peringkat #60. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 68.3%, total biaya $0.336, dan waktu respons rata-rata 16.06s.
Yang membuat Step 3.7 Flash unik: Model ini paling menonjol di Pemrograman, dengan peringkat #1, sementara Kecerdasan umum adalah area terlemahnya di #18.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 198B total (11B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Sumber terbuka
- Lisensi
- Apache-2.0
7.4
Konsistensi
8.7
10.0
$0.336
Total token output
285,209
Total token input
0
Harga input
$0.200 / 1M
Harga output
$1.150 / 1M
Tes tidak stabil
3
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 02:29 Uji ulang | 7.1 | 10.0 | $0.390 | Bandingkan | |
| 2026-07-16 22:46 Tes baru ditambahkan | 7.3 | 10.0 | $0.454 | Bandingkan | |
| 2026-06-04 13:49 Tes baru ditambahkan | 7.3 | 10.0 | $0.341 | Bandingkan | |
| 2026-05-29 11:49 Run awal | 7.4 | 10.0 | $0.336 | Run saat ini |
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-29 11:49 · Run awal | 60/60 percobaan | 7.4 | 8.7 | 10.0 | 12/20 | 3 | 285,209 | 0 | $0.336 | 16.06s |
| 2026-06-04 13:49 · Tes baru ditambahkan | 63/63 percobaan | 7.3 | 8.4 | 10.0 | 12/21 | 4 | 289,325 | 40,101 | $0.341 | 15.74s |
| Selisih | — | +0.1 | +0.3 | 0.0 | 0 | -1 | -4116 | -40101 | -$0.006 | +311ms |
Cakupan benchmark berbeda: 60/60 percobaan (Target: 3 pengulangan per tes) dibanding 63/63 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
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
Perbandingan Cepat
Step 3.7 FlashlowvsMuse Glimmer 30BlowStep 3.7 FlashlowvsSolar Pro 4highStep 3.7 FlashlowvsQwen3.5-122B-A10BmediumStep 3.7 FlashlowvsGrok 4.3mediumStep 3.7 FlashlowvsMuse Glimmer 30BmediumStep 3.7 FlashlowvsGPT-5.6 SolnoneStep 3.7 FlashlowvsQwen3.7 FlashlowStep 3.7 FlashlowvsDeepSeek V3.2mediumStep 3.7 FlashlowvsQwen3.5 Plus 2026-04-20mediumStep 3.7 FlashlowvsGLM 5.1medium
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 8.7 | 7.9 | |
| Pemrograman | 10.0 | 10.0 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 7.3 | 5.8 | |
| Spesifik domain | 5.3 | 7.2 | |
| Kecerdasan umum | 3.4 | 9.3 | |
| Kepatuhan instruksi | 9.8 | 10.0 | |
| Pemecahan teka-teki | 5.5 | 9.9 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |