Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok 4.20

Rezumat

Comparație benchmark Step 3.7 Flash vs Grok 4.20: Step 3.7 Flash conduce la scorul mediu cu 7.3 vs 7.1. Step 3.7 Flash are costul de benchmark mai mic, $0.341 vs $0.609. Step 3.7 Flash este mai rapid cu 15.74s vs 27.68s, cu rate de reușită de 68.3% vs 63.5%.

Model recomandat: Step 3.7 Flash - Are cel mai bun scor aici (7.3) și costă de aproximativ 1.8x mai puțin decât Grok 4.20.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-04

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 #57 #65
Fiabilitate 10.0 10.0
Consistență 8.4 8.8
Teste corecte
Rată de trecere pe încercare 68.3% 63.5%
Teste instabile 4 3
Rulări totale 63 63
Cost per rezultat 2.840 8.309
Cost total $0.341 $0.609
Preț de intrare $0.200 / 1M $1.250 / 1M
Preț de ieșire $1.150 / 1M $2.500 / 1M
Total tokenuri de intrare 40,101 44,433
Tokenuri de ieșire 289,325 1,819
Tokenuri de raționament 0 219,524
Timp de răspuns (mediu) 15.74s 27.68s
Timp de răspuns (maxim) 124.75s 199.66s
Timp de răspuns (total) 330.63s 581.26s

Generation showcase

Hamster playing table tennis

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

#57 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
25.3s
Tokens
3,072 tok

#65 xAI: Grok 4.20

medium
Cost
$0.041
Time
110.3s
Tokens
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

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 10.0 10.0 100.0% 0 7.98s 13,683 6,426 0
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
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

Step 3.7 FlashlowvsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5.1mediumStep 3.7 FlashlowvsGLM 5V TurbomediumKimi K2.6mediumDisponibil gratuitvsStep 3.7 FlashlowGPT-5.3 ChatnonevsGrok 4.20mediumGPT-5 MinimediumvsStep 3.7 FlashlowGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2-FlashmediumGemini 3.1 Flash LitelowvsGrok 4.20mediumClaude Opus 4.8nonevsGrok 4.20mediumClaude Sonnet 4.6mediumvsStep 3.7 Flashlow