#40 Claude Sonnet 4.6
medium
अवैध SVG
- खर्च
- $0.000
- वेळ
- 300.0s
- टोकन्स
- 0 tok
AI BENCHY Compare
Anthropic: Claude Sonnet 4.6 vs StepFun: Step 3.7 Flash
सारांश
Claude Sonnet 4.6 (medium) average score मध्ये पुढे आहे: 7.8 vs 7.7. Step 3.7 Flash (low) चा benchmark खर्च कमी आहे: $0.341 vs $1.418. Step 3.7 Flash (low) वेगवान आहे: 15.74s vs 17.06s, pass rates 65.1% vs 68.3%.
शिफारस केलेले मॉडेलStep 3.7 Flash (low)Its score stays close to the best score here (7.7 vs 7.8), while costing about 4.2x less than Claude Sonnet 4.6 (medium).
AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14
| मेट्रिक | Claude Sonnet 4.6 Claude Sonnet 4.6 medium | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| स्कोअर | 7.8 | 7.7 |
| क्रमांक | #40 | #51 |
| विश्वसनीयता | 10.0 | 10.0 |
| सुसंगतता | 9.1 | 8.4 |
| बरोबर चाचण्या | ||
| प्रति प्रयत्न पास दर | 65.1% | 68.3% |
| अस्थिर चाचण्या | 2 | 4 |
| एकूण रन | 63 | 63 |
| प्रति निकाल खर्च | 10.904 | 2.840 |
| एकूण खर्च | $1.418 | $0.341 |
| इनपुट किंमत | $3.000 / 1M | $0.200 / 1M |
| आउटपुट किंमत | $15.000 / 1M | $1.150 / 1M |
| एकूण इनपुट टोकन्स | 49,112 | 40,101 |
| आउटपुट टोकन्स | 54,703 | 289,325 |
| रिझनिंग टोकन्स | 29,970 | 0 |
| प्रतिसाद वेळ (सरासरी) | 17.06s | 15.74s |
| प्रतिसाद वेळ (कमाल) | 46.35s | 124.75s |
| प्रतिसाद वेळ (एकूण) | 221.83s | 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 Sonnet 4.6 | 5.7 | 6.6 | 44.4% | 1 | 33.29s | 6,995 | 16,089 | 3,686 | |
| 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 4.6mediumvsStep 3.7 FlashlowClaude Sonnet 4.6mediumvsGrok 4.5lowStep 3.7 FlashlowvsGrok 4.3mediumKAT-Coder-Pro V2.5highvsStep 3.7 FlashlowQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6mediumमोफत उपलब्धvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 Flashlow