#47 Claude Opus 4.8
low- खर्च
- $0.031
- वेळ
- 14.1s
- टोकन्स
- 1,345 tok
AI BENCHY Compare
Anthropic: Claude Opus 4.8 vs StepFun: Step 3.7 Flash
सारांश
average score जवळपास समान आहे: 7.7 vs 7.7. Step 3.7 Flash (low) चा benchmark खर्च कमी आहे: $0.341 vs $1.270. Claude Opus 4.8 (low) वेगवान आहे: 10.83s vs 15.74s, pass rates 79.4% vs 68.3%.
शिफारस केलेले मॉडेलStep 3.7 Flash (low)It has the best score here (7.7), while costing about 3.7x less than Claude Opus 4.8 (low).
AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14
| मेट्रिक | Claude Opus 4.8 Claude Opus 4.8 low | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| स्कोअर | 7.7 | 7.7 |
| क्रमांक | #47 | #51 |
| विश्वसनीयता | 10.0 | 10.0 |
| सुसंगतता | 8.8 | 8.4 |
| बरोबर चाचण्या | ||
| प्रति प्रयत्न पास दर | 79.4% | 68.3% |
| अस्थिर चाचण्या | 3 | 4 |
| एकूण रन | 63 | 63 |
| प्रति निकाल खर्च | 8.466 | 2.840 |
| एकूण खर्च | $1.270 | $0.341 |
| इनपुट किंमत | $5.000 / 1M | $0.200 / 1M |
| आउटपुट किंमत | $25.000 / 1M | $1.150 / 1M |
| एकूण इनपुट टोकन्स | 60,946 | 40,101 |
| आउटपुट टोकन्स | 31,771 | 289,325 |
| रिझनिंग टोकन्स | 6,831 | 0 |
| प्रतिसाद वेळ (सरासरी) | 10.83s | 15.74s |
| प्रतिसाद वेळ (कमाल) | 127.97s | 124.75s |
| प्रतिसाद वेळ (एकूण) | 227.39s | 330.63s |
जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#51 Step 3.7 Flash
low
अवैध SVG
- खर्च
- $0.004
- वेळ
- 25.3s
- टोकन्स
- 3,072 tok
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर विरुद्ध एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
श्रेणीवार तपशील
| कोडिंग | स्कोअर | सुसंगतता | प्रति प्रयत्न पास दर | अस्थिर चाचण्या | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) | इनपुट टोकन्स | आउटपुट टोकन्स | रिझनिंग टोकन्स |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 6.6 | 4.6 | 77.8% | 2 | 7.58s | 10,590 | 3,637 | 809 | |
| Step 3.7 Flash | 8.2 | 7.2 | 88.9% | 1 | 9.46s | 7,437 | 18,685 | 0 |
झटपट तुलना
तुलना जोडी बदला
GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.8lowvsKimi K2.6mediumमोफत उपलब्धStep 3.7 FlashlowvsGrok 4.3mediumClaude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumKAT-Coder-Pro V2.5highvsStep 3.7 FlashlowClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumClaude Opus 4.8lowvsGPT-5.6 LunahighQwen3.5-122B-A10BmediumvsStep 3.7 Flashlow