ナビゲーション
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok 4.5

概要

Step 3.7 Flash (medium) vs Grok 4.5 (medium) の benchmark 比較: Step 3.7 Flash (medium) が平均スコアでリードし、8.5 vs 8.3 です。 Step 3.7 Flash (medium) の benchmark コストが低く、$0.376 vs $1.696 です。 Step 3.7 Flash (medium) の方が高速で、20.35s vs 62.63s です、成功率は 73.0% vs 77.8% 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 (medium) より約 4.5 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 medium リリース: 2026-07-08
スコア 8.5 8.3
順位 #20 #23
信頼性 9.9 9.9
一貫性 9.3 8.9
正解テスト
試行ごとの合格率 73.0% 77.8%
不安定なテスト 2 3
総実行回数 61 63
結果あたりのコスト 2.686 11.304
合計コスト $0.376 $1.696
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 53,500
出力トークン 319,958 1,621
推論トークン 0 263,127
応答時間（平均） 20.35s 62.63s
応答時間（最大） 113.98s 436.38s
応答時間（合計） 427.42s 1315.20s

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

#23 xAI: 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

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 10.0 10.0 100.0% 0 9.06s 13,683 7,106 0
Grok 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
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 7.7 10.0 66.7% 0 48.27s 708 70,347 0
Grok 4.5 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
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

GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGrok 4.5mediumGPT-5.2 ChatnonevsGrok 4.5mediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumClaude Opus 4.8lowvsGrok 4.5mediumStep 3.7 FlashlowvsGrok 4.5mediumStep 3.7 FlashmediumvsGrok 4.5lowDeepSeek V4 ProhighvsGrok 4.5mediumClaude Opus 4.8lowvsStep 3.7 FlashmediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumGPT-5.3 ChatnonevsGrok 4.5mediumGPT-5.5lowvsStep 3.7 Flashmedium