ナビゲーション
AI BENCHY
Advertise here

Anthropic: Claude Sonnet 4.6 vs StepFun: Step 3.7 Flash

Claude Sonnet 4.6 が平均スコアでリードし、7.3 vs 7.3 です。 Step 3.7 Flash (low) の benchmark コストが低く、$0.454 vs $0.661 です。 Claude Sonnet 4.6 の方が高速で、8.12s vs 20.68s です、成功率は 57.6% vs 68.2% です。

おすすめモデルClaude Sonnet 4.6ここでは最高スコア（7.3）で、Step 3.7 Flash (low) より約 2.5 倍速く応答します。

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: 2026-07-17

指標 Claude Sonnet 4.6 Claude Sonnet 4.6 none リリース: 2026-02-17 Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29
スコア 7.3 7.3
順位 #60 #64
信頼性 10.0 10.0
一貫性 9.7 8.1
正解テスト
試行ごとの合格率 57.6% 68.2%
不安定なテスト 1 5
総実行回数 66 66
結果あたりのコスト 5.502 3.782
合計コスト $0.661 $0.454
入力価格 $3.000 / 1M $0.200 / 1M
出力価格 $15.000 / 1M $1.150 / 1M
合計入力トークン 123,264 103,833
出力トークン 19,362 376,581
推論トークン 0 0
応答時間（平均） 8.12s 20.68s
応答時間（最大） 51.18s 124.75s
応答時間（合計） 121.78s 455.01s

Hamster playing table tennis

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

#60 Claude Sonnet 4.6

none
コスト
$0.038
時間
27.3s
トークン
2,598 tok

#64 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 Sonnet 4.6 5.5 10.0 33.3% 0 5.19s 8,522 2,127 0
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 4.8nonevsStep 3.7 FlashlowKimi K2.6mediumvsStep 3.7 FlashlowClaude Sonnet 4.6nonevsKAT-Coder-Pro V2.5lowKAT-Coder-Pro V2.5highvsStep 3.7 FlashlowClaude Sonnet 4.6nonevsGemini 3.1 Flash Lite PreviewmediumClaude Sonnet 4.6nonevsGemini 3 Flash PreviewlowClaude Sonnet 4.6nonevsGemini 3.1 Flash LitemediumGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowQwen3.7 PlusnonevsStep 3.7 FlashlowClaude Sonnet 4.6nonevsQwen3.5-27Bmedium