ナビゲーション
AI BENCHY
Advertise here

Anthropic: Claude Opus 4.6 vs StepFun: Step 3.7 Flash

Claude Opus 4.6 (medium) が平均スコアでリードし、7.7 vs 7.3 です。 Step 3.7 Flash (low) の benchmark コストが低く、$0.454 vs $3.059 です。 Step 3.7 Flash (low) の方が高速で、20.68s vs 34.27s です、成功率は 63.6% vs 68.2% です。

おすすめモデルStep 3.7 Flash (low)スコアはここでの最高値に近く（7.3 vs 7.7）、Claude Opus 4.6 (medium) より約 6.7 倍低コストです。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-25

指標 Claude Opus 4.6 Claude Opus 4.6 medium リリース: 2026-02-05 Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29
スコア 7.7 7.3
順位 #50 #75
信頼性 10.0 10.0
一貫性 8.8 8.1
正解テスト
試行ごとの合格率 63.6% 68.2%
不安定なテスト 3 5
総実行回数 66 66
結果あたりのコスト 23.524 3.782
合計コスト $3.059 $0.454
入力価格 $5.000 / 1M $0.200 / 1M
出力価格 $25.000 / 1M $1.150 / 1M
合計入力トークン 108,615 103,833
出力トークン 72,286 376,581
推論トークン 28,315 0
応答時間（平均） 34.27s 20.68s
応答時間（最大） 151.51s 124.75s
応答時間（合計） 513.99s 455.01s

Hamster playing table tennis

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

#50 Claude Opus 4.6

medium
無効なSVG
コスト
$0.000
時間
300.0s
トークン
0 tok

#75 Step 3.7 Flash

low
無効なSVG
コスト
$0.004
時間
25.3s
トークン
3,072 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

コーディング スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

クイック比較

比較ペアを切り替え

Claude Opus 4.6mediumvsGPT-5.6 LunahighClaude Opus 4.8nonevsStep 3.7 FlashlowKimi K2.6mediumvsStep 3.7 FlashlowKAT-Coder-Pro V2.5highvsStep 3.7 FlashlowClaude Opus 4.6mediumvsDeepSeek V4 FlashhighClaude Opus 4.6mediumvsDeepSeek V4 ProhighGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowClaude Sonnet 4.6nonevsStep 3.7 FlashlowQwen3.7 PlusnonevsStep 3.7 FlashlowQwen3.5-122B-A10BmediumvsStep 3.7 Flashlow