- 順位
- #109
- 合計出力トークン
- 440,835
- 応答時間（平均）
- 26.57s
- 合計コスト
- $0.571
Step 3.7 Flash (medium) vs Grok 4.5 (medium)
平均スコアは 7.8 vs 7.8 でほぼ同等です。 Step 3.7 Flash (medium) の benchmark コストが低く、$0.571 vs $2.996 です。 Step 3.7 Flash (medium) の方が高速で、26.57s vs 68.44s です、成功率は 68.1% vs 79.7% です。
比較対象モデル
- 順位
- #107
- 合計出力トークン
- 306,044
- 応答時間（平均）
- 68.44s
- 合計コスト
- $2.996
おすすめモデル
Step 3.7 Flash (medium)
ここでは最高スコア（7.8）で、Grok 4.5 (medium) より約 5.2 倍低コストです。
詳細比較
| 指標 | Step 3.7 Flash Step 3.7 Flash medium | Grok 4.5 Grok 4.5 medium |
|---|---|---|
| スコア | 7.8 | 7.8 |
| 順位 | #109 | #107 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 8.7 | 9.0 |
| 試行回数 | 69/69 | 69/69 |
| 正解テスト | ||
| 試行ごとの合格率 | 68.1% | 79.7% |
| 不安定なテスト | 4 | 3 |
| 総実行回数 | 69 | 69 |
| 結果あたりのコスト | 4.392 | 14.430 |
| 合計コスト | $0.571 | $2.996 |
| 入力価格 | $0.200 / 1M | $2.000 / 1M |
| 出力価格 | $1.150 / 1M | $6.000 / 1M |
| キャッシュ読み取り料金 | $0.040 / 1M | $0.300 / 1M |
| キャッシュ書き込み料金 | 該当なし | 該当なし |
| 合計入力トークン | 319,524 | 308,369 |
| 出力トークン | 440,835 | 7,013 |
| 推論トークン | 0 | 299,031 |
| 応答時間（平均） | 26.57s | 68.44s |
| 応答時間（最大） | 152.83s | 436.38s |
| 応答時間（合計） | 611.09s | 1574.14s |
| パラメータ | 198B 総数 (11B アクティブ) | ~1.7T 総数 (~170B アクティブ) |
| 公開状況 | オープンソース | クローズド |
キャッシュ料金は入力トークンに適用されます。読み取りは保存済みのプロンプトを再利用し、書き込みは保存するため追加料金がかかる場合があります。出力トークンには出力料金が適用されます。
モデル生成ショーケース
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#109 Step 3.7 Flash
medium- コスト
- $0.006
- 時間
- 46.2s
- トークン
- 4,466 tok
#107 SpaceXAI: Grok 4.5
medium- コスト
- $0.044
- 時間
- 59.4s
- トークン
- 7,512 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
| エージェントタスク | 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 | 7.4 | 3.8 | 66.7% | 1 | 93.88s | 205,333 | 31,126 | 0 | |
| Grok 4.5 | 5.0 | 10.0 | 0.0% | 0 | 65.24s | 186,214 | 1,499 | 5,085 |
| 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 | 23.50s | 2,991 | 147 | 4,018 |
| 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 | 7.6 | 7.2 | 77.8% | 1 | 155.69s | 9,579 | 390 | 104,634 |
| 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 | 80.94s | 87,764 | 114,720 | 0 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 29.01s | 83,730 | 4,154 | 16,180 |
| 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 | 6.29s | 8,937 | 225 | 3,657 |
| 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 | 10.0 | 33.3% | 0 | 27.26s | 837 | 52,484 | 0 | |
| Grok 4.5 | 5.3 | 7.2 | 44.4% | 1 | 249.34s | 2,221 | 11 | 140,815 |
| 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 | 6.5 | 3.4 | 66.7% | 1 | 12.84s | 1,077 | 71 | 2,384 |
| 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 | 6.06s | 1,857 | 57 | 2,728 |
| 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 | 7.75s | 2,430 | 254 | 3,641 |
| 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 | 6.57s | 8,544 | 192 | 968 |
| 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 | 74.44s | 789 | 13 | 14,921 |
クイック比較
比較ペアを切り替え
Grok 4.5mediumvsGLM 5.3highStep 3.7 FlashmediumvsGLM 5.3highLing 3.1 FlashhighvsGrok 4.5mediumQwen3.7 PlusnonevsStep 3.7 FlashmediumStep 3.7 FlashmediumvsGrok 4.5lowQwen3.8 2.4T A95BhighvsGrok 4.5mediumLing 3.1 FlashhighvsStep 3.7 FlashmediumQwen3.7 PlusnonevsGrok 4.5mediumQwen3.8 2.4T A95BhighvsStep 3.7 FlashmediumQwen3.7 MaxnonevsGrok 4.5mediumQwen3.7 MaxnonevsStep 3.7 FlashmediumClaude Fable 5.1highvsGrok 4.5medium