Navigatie
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

StepFun: Step 3.7 Flash vs xAI: Grok 4.20

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-05-29

Metriek Step 3.7 Flash Step 3.7 Flash high Releasedatum: 2026-05-29 Grok 4.20 Grok 4.20 medium Releasedatum: 2026-03-31
Score 7.1 7.0
Rang #74 #80
Betrouwbaarheid 10.0 10.0
Consistentie 8.2 8.4
Correcte tests
Slaagpercentage per poging 65.8% 63.3%
Instabiele tests 4 4
Totaal runs 60 60
Kosten per resultaat 8.723 7.616
Totale kosten $0.960 $0.838
Invoerprijs $0.200 / 1M $1.250 / 1M
Uitvoerprijs $1.150 / 1M $2.500 / 1M
Uitvoer-tokens 828,084 1,816
Redeneer-tokens 0 157,251
Responstijd (gem.) 49.43s 19.08s
Responstijd (max) 192.75s 105.80s
Responstijd (totaal) 988.58s 381.60s

Topmodellen op score

Score vs totale kosten

Responstijd (gem.)

Score vs Responstijd (gem.)

Totaal aantal uitvoer-tokens

Score vs Totaal aantal uitvoer-tokens

Categorie-uitsplitsing

Anti-AI-trucs Score Consistentie Slaagpercentage per poging Instabiele tests Correcte tests Responstijd (gem.) Uitvoer-tokens Redeneer-tokens
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 42,656 0
Grok 4.20 8.2 7.9 83.3% 1 3.95s 287 8,312
Programmeren Score Consistentie Slaagpercentage per poging Instabiele tests Correcte tests Responstijd (gem.) Uitvoer-tokens Redeneer-tokens
Step 3.7 Flash 3.6 4.6 25.0% 1 126.82s 164,069 0
Grok 4.20 4.1 1.8 50.0% 2 65.07s 265 40,877
Gecombineerd Score Consistentie Slaagpercentage per poging Instabiele tests Correcte tests Responstijd (gem.) Uitvoer-tokens Redeneer-tokens
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 8,802 0
Grok 4.20 10.0 10.0 100.0% 0 17.40s 232 9,556
Gegevensparsering en extractie Score Consistentie Slaagpercentage per poging Instabiele tests Correcte tests Responstijd (gem.) Uitvoer-tokens Redeneer-tokens
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 23,113 0
Grok 4.20 10.0 10.0 100.0% 0 4.17s 180 5,333
Domeinspecifiek Score Consistentie Slaagpercentage per poging Instabiele tests Correcte tests Responstijd (gem.) Uitvoer-tokens Redeneer-tokens
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 410,502 0
Grok 4.20 5.3 10.0 33.3% 0 27.03s 375 49,339
Algemene intelligentie Score Consistentie Slaagpercentage per poging Instabiele tests Correcte tests Responstijd (gem.) Uitvoer-tokens Redeneer-tokens
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 2,862 0
Grok 4.20 3.9 2.6 33.3% 1 24.48s 65 6,440
Instructies opvolgen Score Consistentie Slaagpercentage per poging Instabiele tests Correcte tests Responstijd (gem.) Uitvoer-tokens Redeneer-tokens
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 2,010 0
Grok 4.20 9.8 10.0 100.0% 0 4.26s 57 6,419
Puzzeloplossing Score Consistentie Slaagpercentage per poging Instabiele tests Correcte tests Responstijd (gem.) Uitvoer-tokens Redeneer-tokens
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 25,422 0
Grok 4.20 7.7 10.0 66.7% 0 6.22s 149 7,913
Toolaanroepen Score Consistentie Slaagpercentage per poging Instabiele tests Correcte tests Responstijd (gem.) Uitvoer-tokens Redeneer-tokens
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 1,172 0
Grok 4.20 3.0 10.0 0.0% 0 13.68s 197 6,620
Algemene kennis Score Consistentie Slaagpercentage per poging Instabiele tests Correcte tests Responstijd (gem.) Uitvoer-tokens Redeneer-tokens
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 147,476 0
Grok 4.20 3.0 10.0 0.0% 0 63.48s 9 16,442

Snelle vergelijking

Vergelijkingspaar wisselen

GPT-5 MinimediumvsStep 3.7 FlashhighDeepSeek V4 ProhighvsGrok 4.20mediumGPT-5.4 NanomediumvsStep 3.7 FlashhighSeed-2.0-MinimediumvsStep 3.7 FlashhighClaude Sonnet 4.6nonevsGrok 4.20mediumQwen3.6 Max PreviewnonevsStep 3.7 FlashhighClaude Opus 4.6mediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsMiMo-V2-FlashmediumRing-2.6-1TnonevsStep 3.7 FlashhighRing-2.6-1TmediumvsStep 3.7 FlashhighQwen3.6 Max PreviewnonevsGrok 4.20mediumQwen3.5-35B-A3BmediumvsStep 3.7 Flashhigh