Navegação
AI BENCHY
Advertise here

AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok 4.5

Resumo

Comparação benchmark Step 3.7 Flash (medium) vs Grok 4.5 (medium): Step 3.7 Flash (medium) lidera na pontuação média com 8.5 vs 8.3. Step 3.7 Flash (medium) tem menor custo de benchmark com $0.376 vs $1.696. Step 3.7 Flash (medium) é mais rápido com 20.35s vs 62.63s, com taxas de acerto de 73.0% vs 77.8%.

Modelo recomendado: Step 3.7 Flash (medium) - Tem a melhor pontuação aqui (8.5) e custa cerca de 4.5x menos que Grok 4.5 (medium).

Benchmarks gerados a partir das suítes de teste do AI BENCHY em: 2026-07-08

Métrica Step 3.7 Flash Step 3.7 Flash medium Lançamento: 2026-05-29 Grok 4.5 Grok 4.5 medium Lançamento: 2026-07-08
Pontuação 8.5 8.3
Posição #20 #23
Confiabilidade 9.9 9.9
Consistência 9.3 8.9
Testes corretos
Taxa de acerto por tentativa 73.0% 77.8%
Testes instáveis 2 3
Execuções totais 61 63
Custo por resultado 2.686 11.304
Custo total $0.376 $1.696
Preço de entrada $0.200 / 1M $2.000 / 1M
Preço de saída $1.150 / 1M $6.000 / 1M
Total de tokens de entrada 39,981 53,500
Tokens de saída 319,958 1,621
Tokens de raciocínio 0 263,127
Tempo de resposta (médio) 20.35s 62.63s
Tempo de resposta (máx.) 113.98s 436.38s
Tempo de resposta (total) 427.42s 1315.20s

Geração showcase

Hamster playing table tennis

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

#20 Step 3.7 Flash

medium
Custo
$0.006
Tempo
46.2s
Tokens
4,466 tok

#23 xAI: Grok 4.5

medium
Custo
$0.044
Tempo
59.4s
Tokens
7,512 tok

Melhores modelos por pontuação

Pontuação vs custo total

Tempo de resposta (médio)

Pontuação vs Tempo de resposta (médio)

Total de tokens de saída

Pontuação vs Total de tokens de saída

Detalhamento por categoria

Truques anti-IA Pontuação Consistência Taxa de acerto por tentativa Testes instáveis Testes corretos Tempo de resposta (médio) Tokens de entrada Tokens de saída Tokens de raciocínio
Step 3.7 Flash 8.7 7.9 91.7% 1 9.65s 756 32,185 0
Grok 4.5 10.0 10.0 100.0% 0 23.50s 2,991 147 4,018
Programação Pontuação Consistência Taxa de acerto por tentativa Testes instáveis Testes corretos Tempo de resposta (médio) Tokens de entrada Tokens de saída Tokens de raciocínio
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
Combinado Pontuação Consistência Taxa de acerto por tentativa Testes instáveis Testes corretos Tempo de resposta (médio) Tokens de entrada Tokens de saída Tokens de raciocínio
Step 3.7 Flash 10.0 10.0 100.0% 0 9.06s 13,683 7,106 0
Grok 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
Análise e extração de dados Pontuação Consistência Taxa de acerto por tentativa Testes instáveis Testes corretos Tempo de resposta (médio) Tokens de entrada Tokens de saída Tokens de raciocínio
Step 3.7 Flash 10.0 10.0 100.0% 0 2.75s 7,398 3,020 0
Grok 4.5 10.0 10.0 100.0% 0 6.29s 8,937 225 3,657
Específico do domínio Pontuação Consistência Taxa de acerto por tentativa Testes instáveis Testes corretos Tempo de resposta (médio) Tokens de entrada Tokens de saída Tokens de raciocínio
Step 3.7 Flash 7.7 10.0 66.7% 0 48.27s 708 70,347 0
Grok 4.5 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
Inteligência geral Pontuação Consistência Taxa de acerto por tentativa Testes instáveis Testes corretos Tempo de resposta (médio) Tokens de entrada Tokens de saída Tokens de raciocínio
Step 3.7 Flash 4.0 10.0 0.0% 0 6.85s 525 3,987 0
Grok 4.5 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
Seguimento de instruções Pontuação Consistência Taxa de acerto por tentativa Testes instáveis Testes corretos Tempo de resposta (médio) Tokens de entrada Tokens de saída Tokens de raciocínio
Step 3.7 Flash 9.8 10.0 100.0% 0 1.83s 735 2,166 0
Grok 4.5 9.8 10.0 100.0% 0 6.06s 1,857 57 2,728
Resolução de quebra-cabeças Pontuação Consistência Taxa de acerto por tentativa Testes instáveis Testes corretos Tempo de resposta (médio) Tokens de entrada Tokens de saída Tokens de raciocínio
Step 3.7 Flash 5.7 9.9 33.3% 0 6.19s 756 15,071 0
Grok 4.5 10.0 10.0 100.0% 0 7.75s 2,430 254 3,641
Chamada de ferramentas Pontuação Consistência Taxa de acerto por tentativa Testes instáveis Testes corretos Tempo de resposta (médio) Tokens de entrada Tokens de saída Tokens de raciocínio
Step 3.7 Flash 10.0 10.0 100.0% 0 4.16s 7,746 2,115 0
Grok 4.5 10.0 10.0 100.0% 0 6.57s 8,544 192 968
Conhecimentos gerais Pontuação Consistência Taxa de acerto por tentativa Testes instáveis Testes corretos Tempo de resposta (médio) Tokens de entrada Tokens de saída Tokens de raciocínio
Step 3.7 Flash 3.0 10.0 0.0% 0 113.98s 237 139,164 0
Grok 4.5 3.0 10.0 0.0% 0 74.44s 789 13 14,921

Comparação rápida

Trocar par de comparação

GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGrok 4.5mediumGPT-5.2 ChatnonevsGrok 4.5mediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumClaude Opus 4.8lowvsGrok 4.5mediumStep 3.7 FlashlowvsGrok 4.5mediumStep 3.7 FlashmediumvsGrok 4.5lowDeepSeek V4 ProhighvsGrok 4.5mediumClaude Opus 4.8lowvsStep 3.7 FlashmediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumGPT-5.3 ChatnonevsGrok 4.5mediumGPT-5.5lowvsStep 3.7 Flashmedium