#47 Claude Opus 4.8
low- Cost
- $0.031
- Timp
- 14.1s
- Tokenuri
- 1,345 tok
AI BENCHY Compare
Anthropic: Claude Opus 4.8 vs StepFun: Step 3.7 Flash
Rezumat
Scorul mediu este practic egal la 7.7 vs 7.7. Step 3.7 Flash (low) are costul de benchmark mai mic, $0.341 vs $1.270. Claude Opus 4.8 (low) este mai rapid cu 10.83s vs 15.74s, cu rate de reușită de 79.4% vs 68.3%.
Model recomandatStep 3.7 Flash (low)Are cel mai bun scor aici (7.7) și costă de aproximativ 3.7x mai puțin decât Claude Opus 4.8 (low).
Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-14
| Metrică | Claude Opus 4.8 Claude Opus 4.8 low | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| Scor | 7.7 | 7.7 |
| Rang | #47 | #51 |
| Fiabilitate | 10.0 | 10.0 |
| Consistență | 8.8 | 8.4 |
| Teste corecte | ||
| Rată de trecere pe încercare | 79.4% | 68.3% |
| Teste instabile | 3 | 4 |
| Rulări totale | 63 | 63 |
| Cost per rezultat | 8.466 | 2.840 |
| Cost total | $1.270 | $0.341 |
| Preț de intrare | $5.000 / 1M | $0.200 / 1M |
| Preț de ieșire | $25.000 / 1M | $1.150 / 1M |
| Total tokenuri de intrare | 60,946 | 40,101 |
| Tokenuri de ieșire | 31,771 | 289,325 |
| Tokenuri de raționament | 6,831 | 0 |
| Timp de răspuns (mediu) | 10.83s | 15.74s |
| Timp de răspuns (maxim) | 127.97s | 124.75s |
| Timp de răspuns (total) | 227.39s | 330.63s |
Prezentare generare
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#51 Step 3.7 Flash
low
SVG invalid
- Cost
- $0.004
- Timp
- 25.3s
- Tokenuri
- 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
| 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 4.8 | 6.6 | 4.6 | 77.8% | 2 | 7.58s | 10,590 | 3,637 | 809 | |
| Step 3.7 Flash | 8.2 | 7.2 | 88.9% | 1 | 9.46s | 7,437 | 18,685 | 0 |
Comparație rapidă
Schimbă perechea de comparație
GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.8lowvsKimi K2.6mediumDisponibil gratuitStep 3.7 FlashlowvsGrok 4.3mediumClaude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumKAT-Coder-Pro V2.5highvsStep 3.7 FlashlowClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumClaude Opus 4.8lowvsGPT-5.6 LunahighQwen3.5-122B-A10BmediumvsStep 3.7 Flashlow