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

StepFun: Step 3.7 Flash vs xAI: Grok 4.3

Rezumat

Comparație benchmark Step 3.7 Flash vs Grok 4.3: Grok 4.3 conduce la scorul mediu cu 7.7 vs 7.1. Grok 4.3 are costul de benchmark mai mic, $0.614 vs $1.148. Grok 4.3 este mai rapid cu 47.51s vs 64.46s, cu rate de reușită de 63.5% vs 71.4%.

Model recomandat: Grok 4.3 - Are cel mai bun scor aici (7.7) și costă de aproximativ 1.9x mai puțin decât Step 3.7 Flash.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-12

Metrică Step 3.7 Flash Step 3.7 Flash high Lansare: 2026-05-29 Grok 4.3 Grok 4.3 medium Lansare: 2026-05-01
Scor 7.1 7.7
Rang #63 #40
Fiabilitate 10.0 10.0
Consistență 8.2 8.5
Teste corecte
Rată de trecere pe încercare 63.5% 71.4%
Teste instabile 4 4
Rulări totale 63 63
Cost per rezultat 10.434 4.724
Cost total $1.148 $0.614
Preț de intrare $0.200 / 1M $1.250 / 1M
Preț de ieșire $1.150 / 1M $2.500 / 1M
Total tokenuri de intrare 38,391 44,472
Tokenuri de ieșire 991,355 1,981
Tokenuri de raționament 0 221,382
Timp de răspuns (mediu) 64.46s 47.51s
Timp de răspuns (maxim) 364.99s 216.69s
Timp de răspuns (total) 1353.57s 997.68s

Generation showcase

Hamster playing table tennis

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

#63 Step 3.7 Flash

high
Cost
$0.007
Time
63.6s
Tokens
6,030 tok

#40 xAI: Grok 4.3

medium
Cost
$0.009
Time
19.0s
Tokens
3,661 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
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 0
Grok 4.3 10.0 10.0 100.0% 0 8.83s 2,010 88 8,207
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
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0
Grok 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226
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
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 0
Grok 4.3 10.0 10.0 100.0% 0 63.99s 12,909 234 15,301
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
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 0
Grok 4.3 10.0 10.0 100.0% 0 18.97s 7,761 180 9,546
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
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 0
Grok 4.3 5.3 7.2 44.4% 1 181.74s 1,764 14 111,300
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
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 0
Grok 4.3 5.4 2.5 66.7% 1 24.70s 825 70 5,020
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
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 0
Grok 4.3 9.8 10.0 100.0% 0 18.58s 1,362 57 8,713
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
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 0
Grok 4.3 5.9 7.2 55.6% 1 22.52s 1,689 128 14,468
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
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 0
Grok 4.3 10.0 10.0 100.0% 0 17.66s 7,263 168 4,615
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
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0
Grok 4.3 3.0 10.0 0.0% 0 44.47s 549 14 12,986

Comparație rapidă

Schimbă perechea de comparație

Step 3.7 FlashhighvsGLM 5.1mediumStep 3.7 FlashhighvsMiMo-V2-FlashmediumStep 3.7 FlashlowvsGrok 4.3mediumQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemma 4 26B A4BmediumDisponibil gratuitvsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighStep 3.7 FlashhighvsGLM 5V TurbomediumGemini 3 Flash PreviewnonevsStep 3.7 FlashhighGPT-5.3 ChatnonevsGrok 4.3mediumClaude Sonnet 4.6nonevsStep 3.7 Flashhigh