#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
StepFun: Step 3.7 Flash vs xAI: Grok 4.20
Step 3.7 Flash (low) が平均スコアでリードし、7.3 vs 7.1 です。 Step 3.7 Flash (low) の benchmark コストが低く、$0.454 vs $0.777 です。 Step 3.7 Flash (low) の方が高速で、20.68s vs 29.47s です、成功率は 68.2% vs 63.6% です。
おすすめモデルStep 3.7 Flash (low)ここでは最高スコア（7.3）で、Grok 4.20 (medium) より約 1.7 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 | Step 3.7 Flash Step 3.7 Flash low | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| スコア | 7.3 | 7.1 |
| 順位 | #75 | #83 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 8.1 | 8.5 |
| 正解テスト | ||
| 試行ごとの合格率 | 68.2% | 63.6% |
| 不安定なテスト | 5 | 4 |
| 総実行回数 | 66 | 66 |
| 結果あたりのコスト | 3.782 | 9.709 |
| 合計コスト | $0.454 | $0.777 |
| 入力価格 | $0.200 / 1M | $1.250 / 1M |
| 出力価格 | $1.150 / 1M | $2.500 / 1M |
| 合計入力トークン | 103,833 | 102,791 |
| 出力トークン | 376,581 | 5,363 |
| 推論トークン | 0 | 253,977 |
| 応答時間（平均） | 20.68s | 29.47s |
| 応答時間（最大） | 124.75s | 199.66s |
| 応答時間（合計） | 455.01s | 648.35s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#83 xAI: Grok 4.20
medium- コスト
- $0.041
- 時間
- 110.3s
- トークン
- 16,336 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 4.02s | 756 | 10,896 | 0 | |
| Grok 4.20 | 8.2 | 7.9 | 83.3% | 1 | 3.95s | 2,010 | 287 | 8,312 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 8.2 | 7.2 | 88.9% | 1 | 9.46s | 7,437 | 18,685 | 0 | |
| Grok 4.20 | 6.3 | 6.6 | 55.6% | 1 | 109.93s | 8,307 | 268 | 103,150 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 66.18s | 77,415 | 93,682 | 0 | |
| Grok 4.20 | 8.7 | 6.9 | 83.3% | 1 | 42.25s | 71,267 | 3,776 | 44,009 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 2.29s | 7,398 | 2,667 | 0 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 7,761 | 180 | 5,333 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 5.3 | 7.2 | 44.4% | 1 | 43.31s | 828 | 104,487 | 0 | |
| Grok 4.20 | 5.3 | 10.0 | 33.3% | 0 | 27.03s | 1,764 | 375 | 49,339 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 3.4 | 9.3 | 0.0% | 0 | 7.00s | 525 | 4,604 | 0 | |
| Grok 4.20 | 3.9 | 2.6 | 33.3% | 1 | 24.48s | 825 | 65 | 6,440 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.58s | 735 | 1,857 | 0 | |
| Grok 4.20 | 9.8 | 10.0 | 100.0% | 0 | 4.26s | 1,362 | 57 | 6,419 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 5.5 | 9.9 | 33.3% | 0 | 1.84s | 756 | 3,564 | 0 | |
| Grok 4.20 | 7.7 | 10.0 | 66.7% | 0 | 6.22s | 1,689 | 149 | 7,913 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.25s | 7,746 | 1,360 | 0 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 13.68s | 7,275 | 197 | 6,620 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 124.75s | 237 | 134,779 | 0 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 63.48s | 531 | 9 | 16,442 |
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 FlashlowKAT-Coder-Pro V2.5highvsStep 3.7 FlashlowQwen3.7 PlusnonevsGrok 4.20mediumGemini 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 FlashlowKAT-Coder-Pro V2.5highvsGrok 4.20mediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3medium