नेव्हिगेशन
Advertise here

Step 3.7 Flash (medium) vs Grok 4.5 (medium)

average score जवळपास समान आहे: 7.8 vs 7.8. Step 3.7 Flash (medium) चा benchmark खर्च कमी आहे: $0.571 vs $2.996. Step 3.7 Flash (medium) वेगवान आहे: 26.57s vs 68.44s, pass rates 68.1% vs 79.7%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-18

तुलना केलेली मॉडेल्स

क्रमांक
#184
एकूण आउटपुट टोकन्स
440,835
प्रतिसाद वेळ (सरासरी)
26.57s
एकूण खर्च
$0.571
क्रमांक
#182
एकूण आउटपुट टोकन्स
306,044
प्रतिसाद वेळ (सरासरी)
68.44s
एकूण खर्च
$2.996
शिफारस केलेले मॉडेल Step 3.7 Flash (medium)

It has the best score here (7.8), while costing about 5.2x less than Grok 4.5 (medium).

तपशीलवार तुलना

मेट्रिक Step 3.7 Flash Step 3.7 Flash medium प्रकाशन: 2026-05-29 Grok 4.5 Grok 4.5 medium प्रकाशन: 2026-07-08
स्कोअर 7.8 7.8
क्रमांक #184 #182
विश्वसनीयता 10.0 10.0
सुसंगतता 8.7 9.0
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 68.1% 79.7%
अस्थिर चाचण्या 4 3
एकूण रन 69 69
प्रति निकाल खर्च 4.392 14.430
एकूण खर्च $0.571 $2.996
इनपुट किंमत $0.200 / 1M $2.000 / 1M
आउटपुट किंमत $1.150 / 1M $6.000 / 1M
कॅश वाचण्याची किंमत $0.040 / 1M $0.300 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 319,524 308,369
आउटपुट टोकन्स 440,835 7,013
रिझनिंग टोकन्स 0 299,031
प्रतिसाद वेळ (सरासरी) 26.57s 68.44s
प्रतिसाद वेळ (कमाल) 152.83s 436.38s
प्रतिसाद वेळ (एकूण) 611.09s 1574.14s
पॅरामीटर्स 198B एकूण (11B सक्रिय) ~1.7T एकूण (~170B 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.

#184 Step 3.7 Flash

medium
खर्च
$0.006
वेळ
46.2s
टोकन्स
4,466 tok

#182 SpaceXAI: Grok 4.5

medium
खर्च
$0.044
वेळ
59.4s
टोकन्स
7,512 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 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
Grok 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634

तुलना जोडी बदला