नेव्हिगेशन
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

DeepSeek: DeepSeek V3.2 vs StepFun: Step 3.7 Flash

सारांश

Step 3.7 Flash (low) average score मध्ये पुढे आहे: 7.3 vs 7.0. DeepSeek V3.2 (medium) चा benchmark खर्च कमी आहे: $0.078 vs $0.454. Step 3.7 Flash (low) वेगवान आहे: 20.68s vs 68.62s, pass rates 65.2% vs 68.2%.

शिफारस केलेले मॉडेलDeepSeek V3.2 (medium)Its score stays close to the best score here (7.0 vs 7.3), while costing about 5.9x less than Step 3.7 Flash (low).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक DeepSeek V3.2 DeepSeek V3.2 medium प्रकाशन: 2025-12-01 Step 3.7 Flash Step 3.7 Flash low प्रकाशन: 2026-05-29
स्कोअर 7.0 7.3
क्रमांक #73 #64
विश्वसनीयता 10.0 10.0
सुसंगतता 7.4 8.1
बरोबर चाचण्या
प्रति प्रयत्न पास दर 65.2% 68.2%
अस्थिर चाचण्या 7 5
एकूण रन 66 66
प्रति निकाल खर्च 0.671 3.782
एकूण खर्च $0.078 $0.454
इनपुट किंमत $0.269 / 1M $0.200 / 1M
आउटपुट किंमत $0.400 / 1M $1.150 / 1M
एकूण इनपुट टोकन्स 101,047 103,833
आउटपुट टोकन्स 11,834 376,581
रिझनिंग टोकन्स 117,014 0
प्रतिसाद वेळ (सरासरी) 68.62s 20.68s
प्रतिसाद वेळ (कमाल) 376.10s 124.75s
प्रतिसाद वेळ (एकूण) 1509.53s 455.01s

जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#73 DeepSeek V3.2

medium
खर्च
$0.001
वेळ
53.6s
टोकन्स
1,932 tok

#64 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
DeepSeek V3.2 6.0 7.2 55.6% 1 248.68s 5,717 649 52,014
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

झटपट तुलना

तुलना जोडी बदला