#69 Claude Opus 4.6
medium
Invalid SVG
- Cost
- $0.000
- Time
- 300.0s
- Tokens
- 0 tok
AI BENCHY Compare
Anthropic: Claude Opus 4.6 vs StepFun: Step 3.7 Flash
Сводка
Сравнение benchmark Claude Opus 4.6 vs Step 3.7 Flash: Step 3.7 Flash лидирует по среднему баллу: 7.3 vs 7.0. Step 3.7 Flash имеет более низкую стоимость benchmark: $0.341 vs $2.053. Step 3.7 Flash быстрее: 15.74s vs 25.89s, с долей успешных попыток 61.9% vs 68.3%.
Рекомендуемая модель: Step 3.7 Flash - Здесь у него лучший балл (7.3), при этом он примерно в 6.0 раза дешевле, чем Claude Opus 4.6.
Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-04
| Метрика | Claude Opus 4.6 Claude Opus 4.6 medium | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| Оценка | 7.0 | 7.3 |
| Ранг | #69 | #57 |
| Надежность | 10.0 | 10.0 |
| Стабильность | 8.8 | 8.4 |
| Тестов верно | ||
| Доля успешных попыток | 61.9% | 68.3% |
| Нестабильные тесты | 3 | 4 |
| Всего запусков | 63 | 63 |
| Стоимость за результат | 17.103 | 2.840 |
| Общая стоимость | $2.053 | $0.341 |
| Цена входа | $5.000 / 1M | $0.200 / 1M |
| Цена выхода | $25.000 / 1M | $1.150 / 1M |
| Общее число входных токенов | 53,227 | 40,101 |
| Выходные токены | 47,446 | 289,325 |
| Токены рассуждений | 24,000 | 0 |
| Время ответа (среднее) | 25.89s | 15.74s |
| Время ответа (макс.) | 83.40s | 124.75s |
| Время ответа (суммарно) | 362.49s | 330.63s |
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
Лучшие модели по оценке
Оценка vs общая стоимость
Время ответа (среднее)
Оценка vs Время ответа (среднее)
Общее число выходных токенов
Оценка vs Общее число выходных токенов
Разбивка по категориям
| Анти-ИИ уловки | Оценка | Стабильность | Доля успешных попыток | Нестабильные тесты | Тестов верно | Время ответа (среднее) | Входные токены | Выходные токены | Токены рассуждений |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 6.4 | 5.8 | 66.7% | 2 | 7.45s | 840 | 986 | 1,071 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 4.02s | 756 | 10,896 | 0 |
| Программирование | Оценка | Стабильность | Доля успешных попыток | Нестабильные тесты | Тестов верно | Время ответа (среднее) | Входные токены | Выходные токены | Токены рассуждений |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 5.7 | 7.1 | 44.4% | 1 | 30.10s | 8,522 | 13,057 | 4,121 | |
| Step 3.7 Flash | 8.2 | 7.2 | 88.9% | 1 | 9.46s | 7,437 | 18,685 | 0 |
| Комбинированный | Оценка | Стабильность | Доля успешных попыток | Нестабильные тесты | Тестов верно | Время ответа (среднее) | Входные токены | Выходные токены | Токены рассуждений |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 20,685 | 8,178 | 5,194 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 7.98s | 13,683 | 6,426 | 0 |
| Парсинг и извлечение данных | Оценка | Стабильность | Доля успешных попыток | Нестабильные тесты | Тестов верно | Время ответа (среднее) | Входные токены | Выходные токены | Токены рассуждений |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 7.37s | 8,676 | 691 | 757 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 2.29s | 7,398 | 2,667 | 0 |
| Предметно-ориентированное | Оценка | Стабильность | Доля успешных попыток | Нестабильные тесты | Тестов верно | Время ответа (среднее) | Входные токены | Выходные токены | Токены рассуждений |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 3.0 | 10.0 | 0.0% | 0 | 83.40s | 674 | 14,642 | 8,687 | |
| Step 3.7 Flash | 5.3 | 7.2 | 44.4% | 1 | 43.31s | 828 | 104,487 | 0 |
| Общий интеллект | Оценка | Стабильность | Доля успешных попыток | Нестабильные тесты | Тестов верно | Время ответа (среднее) | Входные токены | Выходные токены | Токены рассуждений |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 5.04s | 564 | 188 | 292 | |
| Step 3.7 Flash | 3.4 | 9.3 | 0.0% | 0 | 7.00s | 525 | 4,604 | 0 |
| Следование инструкциям | Оценка | Стабильность | Доля успешных попыток | Нестабильные тесты | Тестов верно | Время ответа (среднее) | Входные токены | Выходные токены | Токены рассуждений |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 792 | 266 | 467 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.58s | 735 | 1,857 | 0 |
| Решение головоломок | Оценка | Стабильность | Доля успешных попыток | Нестабильные тесты | Тестов верно | Время ответа (среднее) | Входные токены | Выходные токены | Токены рассуждений |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 7.7 | 10.0 | 66.7% | 0 | 4.71s | 816 | 532 | 630 | |
| Step 3.7 Flash | 5.5 | 9.9 | 33.3% | 0 | 1.84s | 756 | 3,564 | 0 |
| Вызов инструментов | Оценка | Стабильность | Доля успешных попыток | Нестабильные тесты | Тестов верно | Время ответа (среднее) | Входные токены | Выходные токены | Токены рассуждений |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 11,454 | 861 | 329 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.25s | 7,746 | 1,360 | 0 |
| Эрудиция | Оценка | Стабильность | Доля успешных попыток | Нестабильные тесты | Тестов верно | Время ответа (среднее) | Входные токены | Выходные токены | Токены рассуждений |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 3.0 | 10.0 | 0.0% | 0 | 63.24s | 204 | 8,045 | 2,452 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 124.75s | 237 | 134,779 | 0 |
Быстрое сравнение
Сменить пару сравнения
Claude Opus 4.6mediumvsStep 3.7 FlashhighStep 3.7 FlashlowvsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5.1mediumStep 3.7 FlashlowvsGLM 5V TurbomediumKimi K2.6mediumБесплатно доступноvsStep 3.7 FlashlowGPT-5 MinimediumvsStep 3.7 FlashlowGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2-FlashmediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.20mediumQwen3.5-35B-A3BmediumvsStep 3.7 Flashlow