StepFun: Step 3.7 Flash vs xAI: Grok 4.20

Step 3.7 Flash (low) conduce la scorul mediu cu 7.3 vs 7.1. Step 3.7 Flash (low) are costul de benchmark mai mic, $0.454 vs $0.777. Step 3.7 Flash (low) este mai rapid cu 20.68s vs 29.47s, cu rate de reușită de 68.2% vs 63.6%.

Model recomandatStep 3.7 Flash (low)Are cel mai bun scor aici (7.3) și costă de aproximativ 1.7x mai puțin decât Grok 4.20 (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-25

Metrică	Step 3.7 Flash Step 3.7 Flash low Lansare: 2026-05-29	Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31

Metrică	Step 3.7 Flash Step 3.7 Flash low Lansare: 2026-05-29	Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31
Scor	7.3	7.1
Rang	#75	#83
Fiabilitate	10.0	10.0
Consistență	8.1	8.5
Teste corecte
Rată de trecere pe încercare	68.2%	63.6%
Teste instabile	5	4
Rulări totale	66	66
Cost per rezultat	3.782	9.709
Cost total	$0.454	$0.777
Preț de intrare	$0.200 / 1M	$1.250 / 1M
Preț de ieșire	$1.150 / 1M	$2.500 / 1M
Total tokenuri de intrare	103,833	102,791
Tokenuri de ieșire	376,581	5,363
Tokenuri de raționament	0	253,977
Timp de răspuns (mediu)	20.68s	29.47s
Timp de răspuns (maxim)	124.75s	199.66s
Timp de răspuns (total)	455.01s	648.35s

Hamster playing table tennis

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

#75 Step 3.7 Flash

low

SVG invalid

Cost: $0.004
Timp: 25.3s
Tokenuri: 3,072 tok

#83 xAI: Grok 4.20

medium

Cost: $0.041
Timp: 110.3s
Tokenuri: 16,336 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

Categorie:

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	8.7	7.9	91.7%	1		4.02s	756	10,896	0
Grok 4.20	8.2	7.9	83.3%	1		3.95s	2,010	287	8,312

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	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0
Grok 4.20	6.3	6.6	55.6%	1		109.93s	8,307	268	103,150

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	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0
Grok 4.20	8.7	6.9	83.3%	1		42.25s	71,267	3,776	44,009

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	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0
Grok 4.20	10.0	10.0	100.0%	0		4.17s	7,761	180	5,333

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	5.3	7.2	44.4%	1		43.31s	828	104,487	0
Grok 4.20	5.3	10.0	33.3%	0		27.03s	1,764	375	49,339

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	3.4	9.3	0.0%	0		7.00s	525	4,604	0
Grok 4.20	3.9	2.6	33.3%	1		24.48s	825	65	6,440

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		1.58s	735	1,857	0
Grok 4.20	9.8	10.0	100.0%	0		4.26s	1,362	57	6,419

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	5.5	9.9	33.3%	0		1.84s	756	3,564	0
Grok 4.20	7.7	10.0	66.7%	0		6.22s	1,689	149	7,913

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		3.25s	7,746	1,360	0
Grok 4.20	3.0	10.0	0.0%	0		13.68s	7,275	197	6,620

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		124.75s	237	134,779	0
Grok 4.20	3.0	10.0	0.0%	0		63.48s	531	9	16,442

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Qwen3.7 PlusnonevsGrok 4.20medium Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsGrok 4.20medium Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok 4.3medium