Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok Build 0.1

Rezumat

Comparație benchmark Step 3.7 Flash vs Grok Build 0.1: Grok Build 0.1 conduce la scorul mediu cu 7.6 vs 7.1. Grok Build 0.1 are costul de benchmark mai mic, $0.927 vs $1.148. Grok Build 0.1 este mai rapid cu 49.90s vs 64.46s, cu rate de reușită de 63.5% vs 61.9%.

Model recomandat: Grok Build 0.1 - Are cel mai puternic scor din această comparație (7.6) și cel mai bun echilibru între cost și timp de răspuns dintre toate cele 2 modele.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-02

Metrică Step 3.7 Flash Step 3.7 Flash high Lansare: 2026-05-29 Grok Build 0.1 Grok Build 0.1 medium Lansare: 2026-05-21
Scor 7.1 7.6
Rang #65 #44
Fiabilitate 10.0 10.0
Consistență 8.2 9.9
Teste corecte
Rată de trecere pe încercare 63.5% 61.9%
Teste instabile 4 0
Rulări totale 63 63
Cost per rezultat 10.434 7.124
Cost total $1.148 $0.927
Preț de intrare $0.200 / 1M $1.000 / 1M
Preț de ieșire $1.150 / 1M $2.000 / 1M
Total tokenuri de intrare 38,391 44,418
Tokenuri de ieșire 991,355 2,782
Tokenuri de raționament 0 438,018
Timp de răspuns (mediu) 64.46s 49.90s
Timp de răspuns (maxim) 364.99s 252.69s
Timp de răspuns (total) 1353.57s 1047.92s

Prezentare generare

Hamster playing table tennis

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

#65 Step 3.7 Flash

high
Cost
$0.007
Timp
63.6s
Tokenuri
6,030 tok

#44 xAI: Grok Build 0.1

medium
Cost
$0.028
Timp
81.3s
Tokenuri
14,009 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 Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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 Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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 Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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 Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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 Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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 Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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 Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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 Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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 Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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 Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

Comparație rapidă

Schimbă perechea de comparație

Step 3.7 FlashhighvsGLM 5.1mediumDeepSeek V4 ProhighvsGrok Build 0.1mediumLaguna XS 2.1mediumDisponibil gratuitvsStep 3.7 FlashhighStep 3.7 FlashhighvsGLM 5.2noneQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGPT-5.3 ChatnonevsGrok Build 0.1mediumGemma 4 26B A4BmediumDisponibil gratuitvsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Opus 4.8nonevsStep 3.7 Flashhigh