ナビゲーション
AI BENCHY
Advertise here

AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok 4.5

概要

Step 3.7 Flash (medium) vs Grok 4.5 (low) の benchmark 比較: Step 3.7 Flash (medium) が平均スコアでリードし、8.5 vs 7.8 です。 Step 3.7 Flash (medium) の benchmark コストが低く、$0.376 vs $0.760 です。 Grok 4.5 (low) の方が高速で、15.48s vs 20.35s です、成功率は 73.0% vs 74.6% です。

おすすめモデル: Step 3.7 Flash (medium) - ここでは最高スコア（8.5）で、Grok 4.5 (low) より約 2.0 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: 2026-07-08

指標 Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29 Grok 4.5 Grok 4.5 low リリース: 2026-07-08
スコア 8.5 7.8
順位 #20 #34
信頼性 9.9 10.0
一貫性 9.3 9.7
正解テスト
試行ごとの合格率 73.0% 74.6%
不安定なテスト 2 1
総実行回数 61 63
結果あたりのコスト 2.686 5.061
合計コスト $0.376 $0.760
入力価格 $0.200 / 1M $2.000 / 1M
出力価格 $1.150 / 1M $6.000 / 1M
合計入力トークン 39,981 58,652
出力トークン 319,958 1,735
推論トークン 0 105,233
応答時間（平均） 20.35s 15.48s
応答時間（最大） 113.98s 205.28s
応答時間（合計） 427.42s 324.98s

生成ショーケース

Hamster playing table tennis

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

#20 Step 3.7 Flash

medium
コスト
$0.006
時間
46.2s
トークン
4,466 tok

#34 xAI: Grok 4.5

low
コスト
$0.011
時間
12.4s
トークン
2,018 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 9.65s 756 32,185 0
Grok 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
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 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
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 10.0 10.0 100.0% 0 9.06s 13,683 7,106 0
Grok 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
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 10.0 10.0 100.0% 0 2.75s 7,398 3,020 0
Grok 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
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 7.7 10.0 66.7% 0 48.27s 708 70,347 0
Grok 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
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 4.0 10.0 0.0% 0 6.85s 525 3,987 0
Grok 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
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 1.83s 735 2,166 0
Grok 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
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 5.7 9.9 33.3% 0 6.19s 756 15,071 0
Grok 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
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 4.16s 7,746 2,115 0
Grok 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
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% 0 113.98s 237 139,164 0
Grok 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

クイック比較

比較ペアを切り替え

GPT-5.2 ChatnonevsStep 3.7 FlashmediumClaude Sonnet 4.6mediumvsGrok 4.5lowQwen3.6 PlusmediumvsGrok 4.5lowGemini 3.1 Flash Lite PreviewmediumvsGrok 4.5lowQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGemini 3.1 Flash LitemediumvsGrok 4.5lowKimi K2.6medium無料で利用可能vsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowQwen3.5-122B-A10BmediumvsGrok 4.5lowClaude Opus 4.6mediumvsGrok 4.5lowQwen3.5 Plus 2026-02-15mediumvsGrok 4.5low