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

StepFun: Step 3.7 Flash vs xAI: Grok 4.20

Step 3.7 Flash (low) average score मध्ये पुढे आहे: 7.3 vs 7.1. Step 3.7 Flash (low) चा benchmark खर्च कमी आहे: $0.454 vs $0.777. Step 3.7 Flash (low) वेगवान आहे: 20.68s vs 29.47s, pass rates 68.2% vs 63.6%.

शिफारस केलेले मॉडेलStep 3.7 Flash (low)It has the best score here (7.3), while costing about 1.7x less than Grok 4.20 (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-25

मेट्रिक Step 3.7 Flash Step 3.7 Flash low प्रकाशन: 2026-05-29 Grok 4.20 Grok 4.20 medium प्रकाशन: 2026-03-31
स्कोअर 7.3 7.1
क्रमांक #75 #83
विश्वसनीयता 10.0 10.0
सुसंगतता 8.1 8.5
बरोबर चाचण्या
प्रति प्रयत्न पास दर 68.2% 63.6%
अस्थिर चाचण्या 5 4
एकूण रन 66 66
प्रति निकाल खर्च 3.782 9.709
एकूण खर्च $0.454 $0.777
इनपुट किंमत $0.200 / 1M $1.250 / 1M
आउटपुट किंमत $1.150 / 1M $2.500 / 1M
एकूण इनपुट टोकन्स 103,833 102,791
आउटपुट टोकन्स 376,581 5,363
रिझनिंग टोकन्स 0 253,977
प्रतिसाद वेळ (सरासरी) 20.68s 29.47s
प्रतिसाद वेळ (कमाल) 124.75s 199.66s
प्रतिसाद वेळ (एकूण) 455.01s 648.35s

Hamster playing table tennis

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

#75 Step 3.7 Flash

low
अवैध SVG
खर्च
$0.004
वेळ
25.3s
टोकन्स
3,072 tok

#83 xAI: Grok 4.20

medium
खर्च
$0.041
वेळ
110.3s
टोकन्स
16,336 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
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150

झटपट तुलना

तुलना जोडी बदला