AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs StepFun: Step 3.7 Flash

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-29

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29
Оценка	7.3	7.4
Ранг	#65	#60
Надежность	10.0	10.0
Стабильность	9.2	8.7
Тестов верно
Доля успешных попыток	65.0%	68.3%
Нестабильные тесты	2	3
Всего запусков	60	60
Стоимость за результат	4.324	2.796
Общая стоимость	$0.519	$0.336
Цена входа	$5.000 / 1M	$0.200 / 1M
Цена выхода	$25.000 / 1M	$1.150 / 1M
Выходные токены	8,098	285,209
Токены рассуждений	0	0
Время ответа (среднее)	3.51s	16.06s
Время ответа (макс.)	17.73s	124.75s
Время ответа (суммарно)	70.19s	321.11s

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)	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.5	10.0	50.0%	0		3.40s	1,472	0
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	10,896	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.8	10.0	50.0%	0		3.59s	1,323	0
Step 3.7 Flash	10.0	10.0	100.0%	0		9.43s	14,569	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.5	10.0	100.0%	0		17.73s	3,259	0
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	6,426	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.3	5.8	83.3%	1		1.77s	308	0
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	2,667	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.3	7.2	44.4%	1		1.66s	61	0
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	104,487	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.48s	230	0
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	4,604	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.9	10.0	100.0%	0		1.37s	95	0
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	1,857	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.7	10.0	66.7%	0		2.74s	783	0
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	3,564	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		5.35s	355	0
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	1,360	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.0	10.0	0.0%	0		3.41s	212	0
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	134,779	0

Быстрое сравнение

Сменить пару сравнения

Claude Opus 4.8nonevsDeepSeek V3.2medium Kimi K2.6mediumБесплатно доступноvsStep 3.7 Flashlow Step 3.7 FlashlowvsMiMo-V2.5medium Claude Opus 4.8nonevsQwen3.5-35B-A3Bmedium GPT-5.3 ChatnonevsStep 3.7 Flashlow Step 3.7 FlashlowvsGLM 5V Turbomedium Claude Opus 4.8nonevsRing-2.6-1Tmedium Step 3.7 FlashlowvsGLM 5.1medium Claude Opus 4.8nonevsGPT-5.4 Minimedium Claude Opus 4.8nonevsGPT-5.2medium GPT-5.2mediumvsStep 3.7 Flashlow GPT-5.4 MinimediumvsStep 3.7 Flashlow