AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs StepFun: Step 3.7 Flash

概要

Claude Opus 4.8 vs Step 3.7 Flash の benchmark 比較: Claude Opus 4.8 が平均スコアでリードし、8.8 vs 7.7 です。 Step 3.7 Flash の benchmark コストが低く、$0.341 vs $1.107 です。 Claude Opus 4.8 の方が高速で、9.66s vs 15.74s です、成功率は 84.1% vs 68.3% です。

おすすめモデル: Step 3.7 Flash - 総合的に最も良い選択です。競争力のあるスコア（7.7）、Claude Opus 4.8 より低いコスト、バランスの取れた応答時間があります。

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: 2026-06-17

指標	Claude Opus 4.8 Claude Opus 4.8 medium リリース: 2026-05-28	Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29

指標	Claude Opus 4.8 Claude Opus 4.8 medium リリース: 2026-05-28	Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29
スコア	8.8	7.7
順位	#12	#39
信頼性	10.0	10.0
一貫性	9.6	8.4
正解テスト
試行ごとの合格率	84.1%	68.3%
不安定なテスト	1	4
総実行回数	63	63
結果あたりのコスト	6.512	2.840
合計コスト	$1.107	$0.341
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	61,007	40,101
出力トークン	26,495	289,325
推論トークン	5,901	0
応答時間（平均）	9.66s	15.74s
応答時間（最大）	38.03s	124.75s
応答時間（合計）	202.89s	330.63s

Generation showcase

Hamster playing table tennis

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

#12 Claude Opus 4.8

medium

Cost: $0.057
Time: 23.1s
Tokens: 2,412 tok

#39 Step 3.7 Flash

low

Invalid SVG

Cost: $0.004
Time: 25.3s
Tokens: 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

反AIトリック	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 4.8	10.0	10.0	100.0%	0		3.95s	834	1,179	478
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

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 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0

複合	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 4.8	9.8	10.0	100.0%	0		38.03s	23,561	5,260	1,588
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	13,683	6,426	0

データ解析と抽出	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 4.8	7.1	5.6	83.3%	1		12.29s	10,503	481	312
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

ドメイン特化	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 4.8	5.3	10.0	33.3%	0		14.15s	975	7,477	900
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

汎用知能	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 4.8	10.0	10.0	100.0%	0		2.46s	708	237	0
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

指示追従	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 4.8	10.0	10.0	100.0%	0		3.32s	909	373	320
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

パズル解決	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 4.8	10.0	10.0	100.0%	0		3.95s	894	791	483
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

ツール呼び出し	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 4.8	10.0	10.0	100.0%	0		8.96s	11,775	301	225
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

雑学	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 4.8	3.0	10.0	0.0%	0		6.14s	258	451	214
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

クイック比較

比較ペアを切り替え