नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Google: Gemini 2.5 Flash vs StepFun: Step 3.7 Flash

Gemini 2.5 Flash (medium) average score मध्ये पुढे आहे: 8.2 vs 8.0. Step 3.7 Flash (medium) चा benchmark खर्च कमी आहे: $0.515 vs $0.643. Gemini 2.5 Flash (medium) वेगवान आहे: 21.18s vs 26.37s, pass rates 71.2% vs 72.7%.

शिफारस केलेले मॉडेलGemini 2.5 Flash (medium)It has the strongest score in this comparison (8.2) and the best overall balance of cost and response time across all 2 models.

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

मेट्रिक Gemini 2.5 Flash Gemini 2.5 Flash medium प्रकाशन: 2025-06-17 Step 3.7 Flash Step 3.7 Flash medium प्रकाशन: 2026-05-29
स्कोअर 8.2 8.0
क्रमांक #25 #28
विश्वसनीयता 10.0 9.9
सुसंगतता 9.6 8.9
बरोबर चाचण्या
प्रति प्रयत्न पास दर 71.2% 72.7%
अस्थिर चाचण्या 1 3
एकूण रन 66 64
प्रति निकाल खर्च 4.286 3.676
एकूण खर्च $0.643 $0.515
इनपुट किंमत $0.300 / 1M $0.200 / 1M
आउटपुट किंमत $2.500 / 1M $1.150 / 1M
एकूण इनपुट टोकन्स 132,498 114,062
आउटपुट टोकन्स 12,739 427,572
रिझनिंग टोकन्स 228,464 0
प्रतिसाद वेळ (सरासरी) 21.18s 26.37s
प्रतिसाद वेळ (कमाल) 140.50s 152.83s
प्रतिसाद वेळ (एकूण) 465.89s 580.25s

Hamster playing table tennis

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

#25 Gemini 2.5 Flash

medium
अवैध SVG
खर्च
$0.000
वेळ
274.0s
टोकन्स
0 tok

#28 Step 3.7 Flash

medium
खर्च
$0.006
वेळ
46.2s
टोकन्स
4,466 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
Gemini 2.5 Flash 7.8 10.0 66.7% 0 41.01s 6,669 543 32,303
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0

झटपट तुलना

तुलना जोडी बदला