AI BENCHY
Advertise here
#32

Step 3.7 Flash

Stepfun Rilis: 2026-05-29 Diuji pada: 2026-05-29 11:49 stepfun/step-3.7-flash::medium
198B total (11B aktif)MoESumber terbuka
(high) (medium) (low)

Ringkasan

Step 3.7 Flash mendapat skor 7.9 di AI BENCHY dan berada di peringkat #32. Model ini memiliki reliabilitas 9.9, tingkat keberhasilan 71.7%, total biaya $0.404, dan waktu respons rata-rata 20.29s.

Yang membuat Step 3.7 Flash unik: Model ini paling menonjol di Spesifik domain, dengan peringkat #1, sementara Kecerdasan umum adalah area terlemahnya di #18. Total biaya benchmark-nya sangat rendah untuk kisaran skornya.

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

7.9

Konsistensi

9.2

Keandalan

9.9

Total biaya (harga saat ini)

$0.404

Total token output

344,492

Total token input

0

Harga input

$0.200 / 1M

Harga output

$1.150 / 1M

Tes benar

Tes Salah: 7

Tingkat lulus per percobaan: 71.7%

Tes tidak stabil

2

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

Waktu respons (rata-rata)

20.29s

Waktu respons (maks): 136.44s

Waktu respons (total): 405.79s

Jawaban salah: 5 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1

Hamster playing table tennis

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

#32 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
2026-08-14 02:31 Uji ulang 7.9 10.0 $0.495 Bandingkan
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 Run saat ini

Perbandingan run

RunCakupan benchmarkSkorKonsistensiKeandalanTes benarTes tidak stabilTotal token outputTotal token inputTotal BiayaWaktu respons (rata-rata)
2026-05-29 11:49 · Run awal60/60 percobaan7.99.29.913/202344,4920$0.40420.29s
2026-08-14 02:31 · Uji ulang66/66 percobaan7.98.910.013/223409,709114,191$0.49523.51s
Selisih—0.0+0.3-0.10-1-65217-114191-$0.091-3220ms

Cakupan benchmark berbeda: 60/60 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 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.

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 FlashmediumvsGPT-5.2 ChatnoneStep 3.7 FlashmediumvsQwen3.8 27BlowStep 3.7 FlashmediumvsKimi K3maxStep 3.7 FlashmediumvsQwen3.7 PlusmediumStep 3.7 FlashmediumvsGPT-5.6 TerrahighStep 3.7 FlashmediumvsQwen3.6 PlusmediumStep 3.7 FlashmediumvsInklingmediumStep 3.7 FlashmediumvsGemini 3.5 Flash LitemediumStep 3.7 FlashmediumvsGLM 5.2highStep 3.7 FlashmediumvsGLM 5.2medium

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Trik anti-AI 8.7 7.9
Pemrograman 8.2 6.7
Gabungan 10.0 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 7.7 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

Model yang Dibandingkan