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

Step 3.7 Flash (low) vs Grok 4.3 (medium)

Step 3.7 Flash (low) average score मध्ये पुढे आहे: 7.2 vs 6.5. Step 3.7 Flash (low) चा benchmark खर्च कमी आहे: $0.449 vs $0.989. Step 3.7 Flash (low) वेगवान आहे: 20.72s vs 44.53s, pass rates 63.8% vs 63.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-19

तुलना केलेली मॉडेल्स

क्रमांक
#176
एकूण आउटपुट टोकन्स
339,108
प्रतिसाद वेळ (सरासरी)
20.72s
एकूण खर्च
$0.449
क्रमांक
#236
एकूण आउटपुट टोकन्स
232,542
प्रतिसाद वेळ (सरासरी)
44.53s
एकूण खर्च
$0.989
शिफारस केलेले मॉडेल Step 3.7 Flash (low)

It has the best score here (7.2), while costing about 2.2x less than Grok 4.3 (medium).

तपशीलवार तुलना

मेट्रिक Step 3.7 Flash Step 3.7 Flash low प्रकाशन: 2026-05-29 Grok 4.3 Grok 4.3 medium प्रकाशन: 2026-05-01
स्कोअर 7.2 6.5
क्रमांक #176 #236
विश्वसनीयता 10.0 10.0
सुसंगतता 7.9 8.3
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.8% 63.8%
अस्थिर चाचण्या 6 5
एकूण रन 69 69
प्रति निकाल खर्च 4.078 8.235
एकूण खर्च $0.449 $0.989
इनपुट किंमत $0.200 / 1M $1.250 / 1M
आउटपुट किंमत $1.150 / 1M $2.500 / 1M
कॅश वाचण्याची किंमत $0.040 / 1M $0.200 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 292,685 325,471
आउटपुट टोकन्स 339,108 14,867
रिझनिंग टोकन्स 0 217,675
प्रतिसाद वेळ (सरासरी) 20.72s 44.53s
प्रतिसाद वेळ (कमाल) 124.75s 216.69s
प्रतिसाद वेळ (एकूण) 476.67s 1024.25s
पॅरामीटर्स 198B एकूण (11B सक्रिय) ~1.5T एकूण (~150B सक्रिय)
उपलब्धता मुक्त स्रोत बंद स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#176 Step 3.7 Flash

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

#236 SpaceXAI: Grok 4.3

medium
खर्च
$0.009
वेळ
19.0s
टोकन्स
3,661 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 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226

तुलना जोडी बदला