Step 3.7 Flash (medium) vs Grok 4.6 (medium)

比較対象モデル

順位: #113
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

順位: #114
合計出力トークン: 266,197
応答時間（平均）: 74.77s
合計コスト: $2.270

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 4.6 (medium) より約 4.0 倍低コストです。

詳細比較

指標	Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29	Grok 4.6 Grok 4.6 medium リリース: 2026-08-12

指標	Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29	Grok 4.6 Grok 4.6 medium リリース: 2026-08-12
スコア	7.8	7.8
順位	#113	#114
信頼性	10.0	10.0
一貫性	8.7	8.7
試行回数	69/69	69/69
正解テスト
試行ごとの合格率	68.1%	78.3%
不安定なテスト	4	4
総実行回数	69	69
結果あたりのコスト	4.392	14.187
合計コスト	$0.571	$2.270
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	$0.500 / 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	336,351
出力トークン	440,835	6,180
推論トークン	0	260,017
応答時間（平均）	26.57s	74.77s
応答時間（最大）	152.83s	514.35s
応答時間（合計）	611.09s	1719.73s
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.

#113 Step 3.7 Flash

medium

コスト: $0.006
時間: 46.2s
トークン: 4,466 tok

#114 SpaceXAI: Grok 4.6

medium

コスト: $0.028
時間: 72.1s
トークン: 4,771 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

カテゴリ:

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 4.6	5.0	10.0	0.0%	0		103.61s	229,564	1,369	15,020

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 4.6	10.0	10.0	100.0%	0		10.84s	2,991	78	6,335

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 4.6	8.2	7.2	88.9%	1		120.05s	9,579	351	64,226

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 4.6	10.0	10.0	100.0%	0		62.66s	68,060	3,687	21,366

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 4.6	10.0	10.0	100.0%	0		11.46s	8,937	225	4,400

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 4.6	5.3	7.2	44.4%	1		304.33s	2,523	15	127,702

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 4.6	4.1	2.7	33.3%	1		17.27s	1,077	47	2,052

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 4.6	9.8	10.0	100.0%	0		12.75s	1,857	57	4,500

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 4.6	8.7	7.7	88.9%	1		16.30s	2,430	123	5,799

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 4.6	10.0	10.0	100.0%	0		12.83s	8,544	216	1,068

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 4.6	3.0	10.0	0.0%	0		46.88s	789	12	7,549

比較ペアを切り替え

Step 3.7 FlashmediumvsGLM 5.3high Grok 4.6mediumvsGLM 5.3high Qwen3.7 PlusnonevsGrok 4.6medium Qwen3.7 PlusnonevsStep 3.7 Flashmedium Step 3.7 FlashmediumvsGrok 4.5low Ling 3.1 FlashhighvsStep 3.7 Flashmedium Ling 3.1 FlashhighvsGrok 4.6medium Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Qwen3.8 2.4T A95BhighvsGrok 4.6medium GPT-6 LunahighvsGrok 4.6medium Muse Glimmer 30BhighvsGrok 4.6medium Qwen3.7 MaxnonevsStep 3.7 Flashmedium