Navigare
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

Anthropic: Claude Opus 4.6 vs StepFun: Step 3.7 Flash

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-29

Metrică Claude Opus 4.6 Claude Opus 4.6 medium Lansare: 2026-02-05 Step 3.7 Flash Step 3.7 Flash high Lansare: 2026-05-29
Scor 7.2 7.1
Rang #71 #74
Fiabilitate 10.0 10.0
Consistență 9.1 8.2
Teste corecte
Rată de trecere pe încercare 63.3% 65.8%
Teste instabile 2 4
Rulări totale 60 60
Cost per rezultat 15.796 8.723
Cost total $1.896 $0.960
Preț de intrare $5.000 / 1M $0.200 / 1M
Preț de ieșire $25.000 / 1M $1.150 / 1M
Tokenuri de ieșire 42,254 828,084
Tokenuri de raționament 23,554 0
Timp de răspuns (mediu) 25.45s 49.43s
Timp de răspuns (maxim) 83.40s 192.75s
Timp de răspuns (total) 330.91s 988.58s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 986 1,071
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 42,656 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 7.2 9.8 50.0% 0 29.37s 7,865 3,675
Step 3.7 Flash 3.6 4.6 25.0% 1 126.82s 164,069 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 8,178 5,194
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 8,802 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 691 757
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 23,113 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 14,642 8,687
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 410,502 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 188 292
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 2,862 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 266 467
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 2,010 0
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 532 630
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 25,422 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 861 329
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 1,172 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 8,045 2,452
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 147,476 0

Comparație rapidă

Schimbă perechea de comparație

GPT-5 MinimediumvsStep 3.7 FlashhighClaude Opus 4.6mediumvsRing-2.6-1TnoneGPT-5.4 NanomediumvsStep 3.7 FlashhighSeed-2.0-MinimediumvsStep 3.7 FlashhighQwen3.6 Max PreviewnonevsStep 3.7 FlashhighStep 3.7 FlashhighvsMiMo-V2-FlashmediumRing-2.6-1TnonevsStep 3.7 FlashhighRing-2.6-1TmediumvsStep 3.7 FlashhighQwen3.5-35B-A3BmediumvsStep 3.7 FlashhighClaude Sonnet 4.6nonevsStep 3.7 FlashhighClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneDeepSeek V3.2mediumvsStep 3.7 Flashhigh