Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs StepFun: Step 3.7 Flash

Rezumat

Comparație benchmark Claude Opus 4.6 vs Step 3.7 Flash: Step 3.7 Flash conduce la scorul mediu cu 7.3 vs 7.0. Step 3.7 Flash are costul de benchmark mai mic, $0.341 vs $2.053. Step 3.7 Flash este mai rapid cu 15.74s vs 25.89s, cu rate de reușită de 61.9% vs 68.3%.

Model recomandat: Step 3.7 Flash - Are cel mai bun scor aici (7.3) și costă de aproximativ 6.0x mai puțin decât Claude Opus 4.6.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-04

Metrică Claude Opus 4.6 Claude Opus 4.6 medium Lansare: 2026-02-05 Step 3.7 Flash Step 3.7 Flash low Lansare: 2026-05-29
Scor 7.0 7.3
Rang #69 #57
Fiabilitate 10.0 10.0
Consistență 8.8 8.4
Teste corecte
Rată de trecere pe încercare 61.9% 68.3%
Teste instabile 3 4
Rulări totale 63 63
Cost per rezultat 17.103 2.840
Cost total $2.053 $0.341
Preț de intrare $5.000 / 1M $0.200 / 1M
Preț de ieșire $25.000 / 1M $1.150 / 1M
Total tokenuri de intrare 53,227 40,101
Tokenuri de ieșire 47,446 289,325
Tokenuri de raționament 24,000 0
Timp de răspuns (mediu) 25.89s 15.74s
Timp de răspuns (maxim) 83.40s 124.75s
Timp de răspuns (total) 362.49s 330.63s

Generation showcase

Hamster playing table tennis

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

#69 Claude Opus 4.6

medium
Invalid SVG
Cost
$0.000
Time
300.0s
Tokens
0 tok

#57 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
25.3s
Tokens
3,072 tok

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 intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 756 10,896 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 7,398 2,667 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 828 104,487 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 525 4,604 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 735 1,857 0
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 756 3,564 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 7,746 1,360 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.6mediumvsStep 3.7 FlashhighStep 3.7 FlashlowvsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5.1mediumStep 3.7 FlashlowvsGLM 5V TurbomediumKimi K2.6mediumDisponibil gratuitvsStep 3.7 FlashlowGPT-5 MinimediumvsStep 3.7 FlashlowGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2-FlashmediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.20mediumQwen3.5-35B-A3BmediumvsStep 3.7 Flashlow