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 (medium) vs Grok 4.5 (medium): Step 3.7 Flash (medium) лидирует по среднему баллу: 8.5 vs 8.3. Step 3.7 Flash (medium) имеет более низкую стоимость benchmark: $0.376 vs $1.696. Step 3.7 Flash (medium) быстрее: 20.35s vs 62.63s, с долей успешных попыток 73.0% vs 77.8%.

Рекомендуемая модель: Step 3.7 Flash (medium) - Здесь у него лучший балл (8.5), при этом он примерно в 4.5 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 medium Релиз: 2026-05-29 Grok 4.5 Grok 4.5 medium Релиз: 2026-07-08
Оценка 8.5 8.3
Ранг #20 #23
Надежность 9.9 9.9
Стабильность 9.3 8.9
Тестов верно
Доля успешных попыток 73.0% 77.8%
Нестабильные тесты 2 3
Всего запусков 61 63
Стоимость за результат 2.686 11.304
Общая стоимость $0.376 $1.696
Цена входа $0.200 / 1M $2.000 / 1M
Цена выхода $1.150 / 1M $6.000 / 1M
Общее число входных токенов 39,981 53,500
Выходные токены 319,958 1,621
Токены рассуждений 0 263,127
Время ответа (среднее) 20.35s 62.63s
Время ответа (макс.) 113.98s 436.38s
Время ответа (суммарно) 427.42s 1315.20s

Генерация showcase

Hamster playing table tennis

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

#20 Step 3.7 Flash

medium
Стоимость
$0.006
Время
46.2s
Токены
4,466 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 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 10.0 10.0 100.0% 0 9.06s 13,683 7,106 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 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 7.7 10.0 66.7% 0 48.27s 708 70,347 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 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

GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGrok 4.5mediumGPT-5.2 ChatnonevsGrok 4.5mediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumClaude Opus 4.8lowvsGrok 4.5mediumStep 3.7 FlashlowvsGrok 4.5mediumStep 3.7 FlashmediumvsGrok 4.5lowDeepSeek V4 ProhighvsGrok 4.5mediumClaude Opus 4.8lowvsStep 3.7 FlashmediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumGPT-5.3 ChatnonevsGrok 4.5mediumGPT-5.5lowvsStep 3.7 Flashmedium