Навигация
AI BENCHY
Advertise here

AI BENCHY Compare

StepFun: Step 3.7 Flash vs xAI: Grok 4.5

Сводка

Сравнение benchmark Step 3.7 Flash (low) vs Grok 4.5 (medium): Grok 4.5 (medium) лидирует по среднему баллу: 8.3 vs 7.7. Step 3.7 Flash (low) имеет более низкую стоимость benchmark: $0.341 vs $1.696. Step 3.7 Flash (low) быстрее: 15.74s vs 62.63s, с долей успешных попыток 68.3% vs 77.8%.

Рекомендуемая модель: Step 3.7 Flash (low) - Его балл близок к лучшему здесь (7.7 против 8.3), при этом он примерно в 5.0 раза дешевле, чем Grok 4.5 (medium).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-08

Метрика Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29 Grok 4.5 Grok 4.5 medium Релиз: 2026-07-08
Оценка 7.7 8.3
Ранг #43 #23
Надежность 10.0 9.9
Стабильность 8.4 8.9
Тестов верно
Доля успешных попыток 68.3% 77.8%
Нестабильные тесты 4 3
Всего запусков 63 63
Стоимость за результат 2.840 11.304
Общая стоимость $0.341 $1.696
Цена входа $0.200 / 1M $2.000 / 1M
Цена выхода $1.150 / 1M $6.000 / 1M
Общее число входных токенов 40,101 53,500
Выходные токены 289,325 1,621
Токены рассуждений 0 263,127
Время ответа (среднее) 15.74s 62.63s
Время ответа (макс.) 124.75s 436.38s
Время ответа (суммарно) 330.63s 1315.20s

Генерация showcase

Hamster playing table tennis

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

#43 Step 3.7 Flash

low
Неверный SVG
Стоимость
$0.004
Время
25.3s
Токены
3,072 tok

#23 xAI: Grok 4.5

medium
Стоимость
$0.044
Время
59.4s
Токены
7,512 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
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 756 10,896 0
Grok 4.5 10.0 10.0 100.0% 0 23.50s 2,991 147 4,018
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 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634
Комбинированный 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 7.98s 13,683 6,426 0
Grok 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
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 4.5 10.0 10.0 100.0% 0 6.29s 8,937 225 3,657
Предметно-ориентированное Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 828 104,487 0
Grok 4.5 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
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 4.5 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
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 4.5 9.8 10.0 100.0% 0 6.06s 1,857 57 2,728
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 4.5 10.0 10.0 100.0% 0 7.75s 2,430 254 3,641
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 4.5 10.0 10.0 100.0% 0 6.57s 8,544 192 968
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 4.5 3.0 10.0 0.0% 0 74.44s 789 13 14,921

Быстрое сравнение

Сменить пару сравнения

Claude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6mediumБесплатно доступноvsStep 3.7 FlashlowDeepSeek V4 FlashhighvsGrok 4.5mediumGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Sonnet 4.6mediumvsStep 3.7 Flashlow