Step 3.7 Flash (low) vs Grok 4.3 (medium)

Step 3.7 Flash (low) лидирует по среднему баллу: 7.2 vs 6.5. Step 3.7 Flash (low) имеет более низкую стоимость benchmark: $0.449 vs $0.989. Step 3.7 Flash (low) быстрее: 20.72s vs 44.53s, с долей успешных попыток 63.8% vs 63.8%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-19

Сравниваемые модели

Ранг: #176
Общее число выходных токенов: 339,108
Время ответа (среднее): 20.72s
Общая стоимость: $0.449

Ранг: #236
Общее число выходных токенов: 232,542
Время ответа (среднее): 44.53s
Общая стоимость: $0.989

Рекомендуемая модель Step 3.7 Flash (low)

Здесь у него лучший балл (7.2), при этом он примерно в 2.2 раза дешевле, чем Grok 4.3 (medium).

Подробное сравнение

Метрика	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29	Grok 4.3 Grok 4.3 medium Релиз: 2026-05-01

Метрика	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29	Grok 4.3 Grok 4.3 medium Релиз: 2026-05-01
Оценка	7.2	6.5
Ранг	#176	#236
Надежность	10.0	10.0
Стабильность	7.9	8.3
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	63.8%	63.8%
Нестабильные тесты	6	5
Всего запусков	69	69
Стоимость за результат	4.078	8.235
Общая стоимость	$0.449	$0.989
Цена входа	$0.200 / 1M	$1.250 / 1M
Цена выхода	$1.150 / 1M	$2.500 / 1M
Цена чтения из кэша	$0.040 / 1M	$0.200 / 1M
Цена записи в кэш	Н/Д	Н/Д
Общее число входных токенов	292,685	325,471
Выходные токены	339,108	14,867
Токены рассуждений	0	217,675
Время ответа (среднее)	20.72s	44.53s
Время ответа (макс.)	124.75s	216.69s
Время ответа (суммарно)	476.67s	1024.25s
Параметры	198B всего (11B активных)	~1.5T всего (~150B активных)
Доступность	Открытый исходный код	Закрытая модель

Цены кэша относятся к входным токенам. Чтение повторно использует сохранённые запросы; запись сохраняет их и может стоить дороже. Выходные токены оплачиваются по цене вывода.

Генерация showcase моделей

Hamster playing table tennis

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

#176 Step 3.7 Flash

low

Неверный SVG

Стоимость: $0.004
Время: 25.3s
Токены: 3,072 tok

#236 SpaceXAI: Grok 4.3

medium

Стоимость: $0.009
Время: 19.0s
Токены: 3,661 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

Категория:

Агентные задачи	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	7.4	3.8	66.7%	1		83.63s	188,843	18,715	0
Grok 4.3	3.9	9.6	0.0%	0		51.61s	185,227	1,128	5,510

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0
Grok 4.3	10.0	10.0	100.0%	0		8.83s	2,010	88	8,207

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0
Grok 4.3	5.9	7.7	44.4%	1		41.23s	8,340	1,028	31,226

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0
Grok 4.3	6.5	10.0	50.0%	0		55.07s	108,468	11,992	21,601

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0
Grok 4.3	10.0	10.0	100.0%	0		18.97s	7,761	180	9,546

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	2.9	7.2	11.1%	1		22.65s	837	48,299	0
Grok 4.3	3.5	4.4	33.3%	2		158.01s	1,977	14	95,783

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0
Grok 4.3	5.4	2.5	66.7%	1		24.70s	825	70	5,020

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0
Grok 4.3	9.8	10.0	100.0%	0		18.58s	1,362	57	8,713

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0
Grok 4.3	5.9	7.2	55.6%	1		22.52s	1,689	128	14,468

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0
Grok 4.3	10.0	10.0	100.0%	0		17.66s	7,263	168	4,615

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0
Grok 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986

Сменить пару сравнения

KAT-Coder-Pro V2.5highvsGrok 4.3medium Step 3.7 FlashlowvsGLM 5medium Grok 4.3mediumvsGLM 5.1none LongCat 2.0mediumvsStep 3.7 Flashlow Qwen3.6 27BmediumvsStep 3.7 Flashlow Qwen3.5-122B-A10BnonevsGrok 4.3medium Grok 4.3mediumvsGLM 5.3low Qwen3.7 FlashhighvsStep 3.7 Flashlow Gemini 3 Flash PreviewnonevsGrok 4.3medium Beam 1.0 501B A23BmaxvsGrok 4.3medium Claude Opus 5nonevsStep 3.7 Flashlow Beam 1.0 501B A23BxhighvsGrok 4.3medium