AI BENCHY Compare
StepFun: Step 3.5 Flash vs xAI: Grok 4.20 Beta
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: 2026-03-12
| 指標 | Step 3.5 Flash Step 3.5 Flash medium 無料で利用可能 | Grok 4.20 Beta Grok 4.20 Beta none |
|---|---|---|
| 順位 | #14 | #52 |
| 平均スコア | 7.4 | 4.4 |
| 一貫性 | 9.1 | 9.1 |
| 結果あたりのコスト | 0.000 | 2.214 |
| 合計コスト | $0.000 | $0.089 |
| 正解テスト | ||
| 試行ごとの合格率 | 68.8% | 33.3% |
| 不安定なテスト | 2 | 2 |
| 総実行回数 | 48 | 48 |
| 出力トークン | 71,452 | 1,511 |
| 推論トークン | 155,147 | 0 |
| 応答時間（平均） | 29.10s | 1.22s |
| 応答時間（最大） | 170.45s | 6.48s |
| 応答時間（合計） | 290.96s | 19.53s |
スコア vs 総コスト
応答時間（平均）
平均スコア vs 応答時間（平均）
合計出力トークン
平均スコア 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 18.54s | 13,924 | 17,208 | |
| Grok 4.20 Beta | 3.3 | 7.9 | 22.2% | 1 | 562ms | 245 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 1,176 | 12,984 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 6.48s | 282 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 600 | 13,886 | |
| Grok 4.20 Beta | 9.9 | 10.0 | 100.0% | 0 | 601ms | 197 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 4.0 | 7.2 | 44.4% | 1 | 170.45s | 45,350 | 90,436 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 611ms | 160 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 6.0 | 10.0 | 0.0% | 0 | 6.54s | 2,214 | 2,584 | |
| Grok 4.20 Beta | 5.0 | 10.0 | 0.0% | 0 | 541ms | 87 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 9.0 | 6.8 | 83.3% | 1 | 4.98s | 2,284 | 3,412 | |
| Grok 4.20 Beta | 4.5 | 10.0 | 0.0% | 0 | 687ms | 60 | 0 |
| Puzzle Solving | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 4.0 | 10.0 | 33.3% | 0 | 7.72s | 5,629 | 10,835 | |
| Grok 4.20 Beta | 4.0 | 7.2 | 55.6% | 1 | 541ms | 291 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 275 | 3,802 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 4.79s | 189 | 0 |
クイック比較
比較ペアを切り替え
GPT-5.2 ChatnonevsStep 3.5 Flashmedium無料で利用可能Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmedium無料で利用可能GPT-5.3 ChatnonevsStep 3.5 Flashmedium無料で利用可能Gemini 3 Flash PreviewnonevsStep 3.5 Flashmedium無料で利用可能MiniMax M2.5mediumvsGrok 4.20 BetanoneGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium無料で利用可能Claude Sonnet 4.6nonevsStep 3.5 Flashmedium無料で利用可能gpt-oss-120bmedium無料で利用可能vsGrok 4.20 BetanoneGemini 3 Flash PreviewlowvsStep 3.5 Flashmedium無料で利用可能Mercury 2mediumvsGrok 4.20 BetanoneQwen3 Coder NextmediumvsGrok 4.20 BetanoneQwen3.5-35B-A3BmediumvsGrok 4.20 Betanone