- Skor
- 8.6 (+0.77 poin)
- Total biaya (harga saat ini)
- $0.061 · 89.4% lebih murah
- Waktu respons (rata-rata)
- 7.51s · 71.7% lebih cepat
Stepfun
Rilis: 2026-05-29
Diuji pada: 2026-10-01 02:06
stepfun/step-3.7-flash::medium
198B total (11B aktif)MoESumber terbuka
Ringkasan
Step 3.7 Flash mendapat skor 7.8 di AI BENCHY dan berada di peringkat #113. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 68.1%, total biaya $0.571, dan waktu respons rata-rata 26.57s.
Yang membuat Step 3.7 Flash unik: Model ini paling menonjol di Pemrograman, dengan peringkat #2, sementara Pemecahan teka-teki adalah area terlemahnya di #17.
Alternatif yang disarankan
Kami menyarankan memilih salah satu model ini sebagai pengganti:
- Skor
- 8.3 (+0.45 poin)
- Total biaya (harga saat ini)
- $0.047 · 91.8% lebih murah
- Waktu respons (rata-rata)
- 18.07s · 32.0% lebih cepat
- Skor
- 9.4 (+1.55 poin)
- Total biaya (harga saat ini)
- $0.183 · 68.1% lebih murah
- Waktu respons (rata-rata)
- 6.24s · 76.5% lebih cepat
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 198B total (11B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Sumber terbuka
- Lisensi
- Apache-2.0
7.8
Konsistensi
8.7
10.0
$0.571
Total token output
440,835
Total token input
319,524
Harga input
$0.200 / 1M
Harga output
$1.150 / 1M
Harga baca cache
$0.040 / 1M
Harga tulis cache
T/A
Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.
Tes tidak stabil
4
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.
#113 Step 3.7 Flash
medium- Biaya
- $0.006
- Waktu
- 46.2s
- Token
- 4,466 tok
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-10-01 02:06 Uji ulang | 7.8 | 10.0 | $0.571 | Run saat ini | |
| 2026-07-16 22:50 Tes baru ditambahkan | 8.0 | 9.9 | $0.515 | Bandingkan | |
| 2026-06-04 13:52 Tes baru ditambahkan | 8.0 | 9.9 | $0.376 | Bandingkan | |
| 2026-05-29 11:49 Run awal | 7.9 | 9.9 | $0.404 | Bandingkan |
Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 02:06 · Run saat ini | 69/69 percobaan | 7.8 | 8.7 | 10.0 | 13/23 | 4 | 440,835 | 319,524 | $0.571 | 26.57s |
| 2026-07-16 22:50 · Tes baru ditambahkan | 64/66 percobaan | 8.0 | 8.9 | 9.9 | 14/22 | 3 | 427,572 | 114,062 | $0.515 | 26.37s |
| Selisih | — | -0.2 | -0.2 | +0.1 | -1 | +1 | +13263 | +205462 | +$0.057 | +194ms |
Cakupan benchmark berbeda: 69/69 percobaan (Target: 3 pengulangan per tes) dibanding 64/66 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.
Riwayat harga
Data harga historis untuk model ini dari OpenRouter.
| Tanggal | Harga input | Harga output | Harga baca cache | Harga tulis cache |
|---|---|---|---|---|
| 2026-08-14 12:51 | $0.200 / 1M | $1.150 / 1M | T/A | T/A |
| 2026-10-01 18:33 | $0.200 / 1M | $1.150 / 1M | $0.040 / 1M | T/A |
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 FlashmediumvsGLM 5.3highStep 3.7 FlashmediumvsGrok 4.6mediumStep 3.7 FlashmediumvsGrok 4.5mediumStep 3.7 FlashmediumvsQwen3.7 PlusnoneStep 3.7 FlashmediumvsLing 3.1 FlashhighStep 3.7 FlashmediumvsGrok 4.5lowStep 3.7 FlashmediumvsMiMo-V2.6-FlashmediumStep 3.7 FlashmediumvsDeepSeek V4 Flash 0731mediumStep 3.7 FlashmediumvsQwen3.8 2.4T A95BhighStep 3.7 FlashmediumvsGPT-6 Lunahigh
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Tugas agen | 7.4 | 3.8 | |
| Trik anti-AI | 8.7 | 7.9 | |
| Pemrograman | 8.8 | 7.8 | |
| Gabungan | 7.3 | 5.8 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 5.3 | 10.0 | |
| Kecerdasan umum | 4.0 | 10.0 | |
| Kepatuhan instruksi | 9.8 | 10.0 | |
| Pemecahan teka-teki | 5.7 | 9.9 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |