#74 Step 3.7 Flash
high- Cost
- $0.007
- Timp
- 63.6s
- Tokenuri
- 6,030 tok
Stepfun
Lansare: 2026-05-29
Testat la: 2026-05-29 11:53
stepfun/step-3.7-flash::high
Rezumat
Step 3.7 Flash obține 7.1 pe AI BENCHY și este pe #74. Are fiabilitate 9.9, rată de reușită 65.8%, cost total $0.960 și timp mediu de răspuns 49.43s.
7.1
Consistență
8.2
9.9
$0.960
Total tokenuri de ieșire
828,084
Total tokenuri de intrare
0
Preț de intrare
$0.200 / 1M
Preț de ieșire
$1.150 / 1M
Teste instabile
4
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Prezentare generare
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-06-04 14:10 Test nou adăugat | 7.0 | 10.0 | $1.148 | Compară | |
| 2026-05-29 11:53 Prima rulare | 7.1 | 9.9 | $0.960 | Rularea curentă |
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-29 11:53 · Prima rulare | 7.1 | 8.2 | 9.9 | 11/20 | 4 | 828,084 | 0 | $0.960 | 49.43s |
| 2026-06-04 14:10 · Test nou adăugat | 7.0 | 8.2 | 10.0 | 11/21 | 4 | 991,355 | 38,391 | $1.148 | 64.46s |
| Diferență | +0.1 | 0.0 | -0.1 | 0 | 0 | -163271 | -38391 | -$0.189 | -15027ms |
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
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
Comparație rapidă
Step 3.7 FlashhighvsClaude Opus 4.8noneStep 3.7 FlashhighvsGemma 4 26B A4BmediumDisponibil gratuitStep 3.7 FlashhighvsQwen3.7 PlusnoneStep 3.7 FlashhighvsClaude Sonnet 4.6noneStep 3.7 FlashhighvsGLM 5.2noneStep 3.7 FlashhighvsGemini 3.5 FlashhighStep 3.7 FlashhighvsGemini 3 Flash PreviewmediumStep 3.7 FlashhighvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitStep 3.7 FlashhighvsGPT-5.5low
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 3.6 | 4.6 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 4.1 | 4.4 | |
| Inteligență generală | 5.5 | 10.0 | |
| Respectarea instrucțiunilor | 9.8 | 10.0 | |
| Rezolvare de puzzle-uri | 5.3 | 7.2 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |