#73 Claude Opus 4.8
none- खर्च
- $0.053
- वेळ
- 22.0s
- टोकन्स
- 2,253 tok
AI BENCHY Compare
Anthropic: Claude Opus 4.8 vs StepFun: Step 3.7 Flash
सारांश
Claude Opus 4.8 average score मध्ये पुढे आहे: 7.2 vs 7.1. Claude Opus 4.8 चा benchmark खर्च कमी आहे: $0.539 vs $1.148. Claude Opus 4.8 वेगवान आहे: 3.48s vs 64.46s, pass rates 61.9% vs 63.5%.
शिफारस केलेले मॉडेलClaude Opus 4.8It has the best score here (7.2), while costing about 2.1x less than Step 3.7 Flash (high).
AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14
| मेट्रिक | Claude Opus 4.8 Claude Opus 4.8 none | Step 3.7 Flash Step 3.7 Flash high |
|---|---|---|
| स्कोअर | 7.2 | 7.1 |
| क्रमांक | #73 | #79 |
| विश्वसनीयता | 10.0 | 10.0 |
| सुसंगतता | 9.2 | 8.2 |
| बरोबर चाचण्या | ||
| प्रति प्रयत्न पास दर | 61.9% | 63.5% |
| अस्थिर चाचण्या | 2 | 4 |
| एकूण रन | 63 | 63 |
| प्रति निकाल खर्च | 4.485 | 10.434 |
| एकूण खर्च | $0.539 | $1.148 |
| इनपुट किंमत | $5.000 / 1M | $0.200 / 1M |
| आउटपुट किंमत | $25.000 / 1M | $1.150 / 1M |
| एकूण इनपुट टोकन्स | 67,104 | 38,391 |
| आउटपुट टोकन्स | 8,107 | 991,355 |
| रिझनिंग टोकन्स | 0 | 0 |
| प्रतिसाद वेळ (सरासरी) | 3.48s | 64.46s |
| प्रतिसाद वेळ (कमाल) | 17.73s | 364.99s |
| प्रतिसाद वेळ (एकूण) | 73.00s | 1353.57s |
जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#79 Step 3.7 Flash
high- खर्च
- $0.007
- वेळ
- 63.6s
- टोकन्स
- 6,030 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 | 5.5 | 10.0 | 33.3% | 0 | 3.29s | 10,590 | 1,332 | 0 | |
| Step 3.7 Flash | 4.0 | 6.0 | 22.2% | 1 | 206.21s | 6,057 | 327,340 | 0 |
झटपट तुलना
तुलना जोडी बदला
Step 3.7 FlashhighvsGLM 5.1mediumLaguna XS 2.1mediumमोफत उपलब्धvsStep 3.7 FlashhighStep 3.7 FlashhighvsGLM 5.2noneClaude Opus 4.8nonevsGemma 4 26B A4Bmediumमोफत उपलब्धQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemma 4 26B A4Bmediumमोफत उपलब्धvsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGrok 4.20mediumClaude Opus 4.8nonevsGLM 5.1mediumClaude Opus 4.8nonevsGemini 3 Flash Previewlow