Step 3.7 Flash (medium) vs Grok 4.5 (medium)

Средний балл практически равен: 7.8 vs 7.8. Step 3.7 Flash (medium) имеет более низкую стоимость benchmark: $0.571 vs $2.996. Step 3.7 Flash (medium) быстрее: 26.57s vs 68.44s, с долей успешных попыток 68.1% vs 79.7%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-06

Сравниваемые модели

Ранг: #109
Общее число выходных токенов: 440,835
Время ответа (среднее): 26.57s
Общая стоимость: $0.571

Ранг: #107
Общее число выходных токенов: 306,044
Время ответа (среднее): 68.44s
Общая стоимость: $2.996

Рекомендуемая модель Step 3.7 Flash (medium)

Здесь у него лучший балл (7.8), при этом он примерно в 5.2 раза дешевле, чем Grok 4.5 (medium).

Подробное сравнение

Метрика	Step 3.7 Flash Step 3.7 Flash medium Релиз: 2026-05-29	Grok 4.5 Grok 4.5 medium Релиз: 2026-07-08

Метрика	Step 3.7 Flash Step 3.7 Flash medium Релиз: 2026-05-29	Grok 4.5 Grok 4.5 medium Релиз: 2026-07-08
Оценка	7.8	7.8
Ранг	#109	#107
Надежность	10.0	10.0
Стабильность	8.7	9.0
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	68.1%	79.7%
Нестабильные тесты	4	3
Всего запусков	69	69
Стоимость за результат	4.392	14.430
Общая стоимость	$0.571	$2.996
Цена входа	$0.200 / 1M	$2.000 / 1M
Цена выхода	$1.150 / 1M	$6.000 / 1M
Цена чтения из кэша	$0.040 / 1M	$0.300 / 1M
Цена записи в кэш	Н/Д	Н/Д
Общее число входных токенов	319,524	308,369
Выходные токены	440,835	7,013
Токены рассуждений	0	299,031
Время ответа (среднее)	26.57s	68.44s
Время ответа (макс.)	152.83s	436.38s
Время ответа (суммарно)	611.09s	1574.14s
Параметры	198B всего (11B активных)	~1.7T всего (~170B 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.

#109 Step 3.7 Flash

medium

Стоимость: $0.006
Время: 46.2s
Токены: 4,466 tok

#107 SpaceXAI: 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

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		93.88s	205,333	31,126	0
Grok 4.5	5.0	10.0	0.0%	0		65.24s	186,214	1,499	5,085

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		9.65s	756	32,185	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	8.8	7.8	88.9%	1		27.42s	7,437	44,797	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	7.3	5.8	83.3%	1		80.94s	87,764	114,720	0
Grok 4.5	10.0	10.0	100.0%	0		29.01s	83,730	4,154	16,180

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	10.0	10.0	100.0%	0		2.75s	7,398	3,020	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	10.0	33.3%	0		27.26s	837	52,484	0
Grok 4.5	5.3	7.2	44.4%	1		249.34s	2,221	11	140,815

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	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		1.83s	735	2,166	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	5.7	9.9	33.3%	0		6.19s	756	15,071	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		4.16s	7,746	2,115	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		113.98s	237	139,164	0
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

Быстрое сравнение

Сменить пару сравнения

Grok 4.5mediumvsGLM 5.3high Step 3.7 FlashmediumvsGLM 5.3high Ling 3.1 FlashhighvsGrok 4.5medium Qwen3.7 PlusnonevsStep 3.7 Flashmedium Step 3.7 FlashmediumvsGrok 4.5low Qwen3.8 2.4T A95BhighvsGrok 4.5medium Ling 3.1 FlashhighvsStep 3.7 Flashmedium Qwen3.7 PlusnonevsGrok 4.5medium Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Qwen3.7 MaxnonevsGrok 4.5medium Qwen3.7 MaxnonevsStep 3.7 Flashmedium Claude Fable 5.1highvsGrok 4.5medium