Navigare
AI BENCHY
Your ad here

AI BENCHY Compare

Anthropic: Claude Opus 4.7 vs StepFun: Step 3.5 Flash

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-16

Metrică Claude Opus 4.7 Claude Opus 4.7 none Lansare: 2026-04-16 Step 3.5 Flash Step 3.5 Flash medium Lansare: 2026-02-01
Scor 9.2 7.9
Rang #4 #30
Consistență 10.0 9.1
Teste corecte
Rată de trecere pe încercare 88.9% 70.6%
Teste instabile 0 2
Rulări totale 54 49
Cost per rezultat 3.155 0.000
Cost total $0.505 $0.000
Preț de intrare $5.000 / 1M $0.100 / 1M
Preț de ieșire $25.000 / 1M $0.300 / 1M
Tokenuri de ieșire 6,326 71,904
Tokenuri de raționament 0 155,607
Timp de răspuns (mediu) 3.13s 26.78s
Timp de răspuns (maxim) 18.27s 170.45s
Timp de răspuns (total) 56.33s 294.58s

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 4.7 8.3 10.0 75.0% 0 2.12s 522 0
Step 3.5 Flash 10.0 10.0 100.0% 0 13.56s 14,376 17,668
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.7 10.0 10.0 100.0% 0 2.84s 494 0
Step 3.5 Flash - - - - - - - -
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.7 9.5 10.0 100.0% 0 18.27s 3,504 0
Step 3.5 Flash 10.0 10.0 100.0% 0 29.57s 1,176 12,984
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 4.7 10.0 10.0 100.0% 0 2.15s 324 0
Step 3.5 Flash 10.0 10.0 100.0% 0 15.01s 600 13,886
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 4.7 7.7 10.0 66.7% 0 1.19s 78 0
Step 3.5 Flash 5.3 7.2 44.4% 1 170.45s 45,350 90,436
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 4.7 10.0 10.0 100.0% 0 3.47s 257 0
Step 3.5 Flash 5.5 10.0 0.0% 0 6.54s 2,214 2,584
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 4.7 10.0 10.0 100.0% 0 1.46s 114 0
Step 3.5 Flash 8.5 6.8 83.3% 1 4.98s 2,284 3,412
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 4.7 10.0 10.0 100.0% 0 2.58s 661 0
Step 3.5 Flash 5.3 10.0 33.3% 0 7.72s 5,629 10,835
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 4.7 10.0 10.0 100.0% 0 4.74s 372 0
Step 3.5 Flash 10.0 10.0 100.0% 0 11.91s 275 3,802

Comparație rapidă

Schimbă perechea de comparație

Gemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumGPT-5.2 ChatnonevsStep 3.5 FlashmediumGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumGemini 3 Flash PreviewnonevsStep 3.5 FlashmediumClaude Opus 4.7nonevsGemini 3 Flash PreviewlowClaude Opus 4.7nonevsGemini 3.1 Pro PreviewmediumClaude Sonnet 4.6nonevsStep 3.5 FlashmediumClaude Opus 4.7nonevsSeed-2.0-LitemediumClaude Opus 4.7nonevsGPT-5.3-CodexmediumClaude Opus 4.7nonevsQwen3.5 Plus 2026-02-15mediumClaude Opus 4.7nonevsQwen3.6 Plus PreviewmediumDisponibil gratuit