导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs StepFun: Step 3.7 Flash

摘要

Claude Opus 4.8 vs Step 3.7 Flash benchmark 对比：Step 3.7 Flash 平均分领先，为 8.5 vs 7.7。 Step 3.7 Flash benchmark 成本更低，为 $0.376 vs $1.270。 Claude Opus 4.8 更快，为 10.83s vs 20.35s，通过率为 79.4% vs 73.0%。

推荐模型: Step 3.7 Flash - 它在这里得分最高（8.5），同时成本比Claude Opus 4.8低约 3.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28 Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29
分数 7.7 8.5
排名 #38 #20
可靠性 10.0 9.9
一致性 8.8 9.3
测试正确
尝试通过率 79.4% 73.0%
不稳定测试 3 2
总运行次数 63 61
每个结果成本 8.466 2.686
总成本 $1.270 $0.376
输入价格 $5.000 / 1M $0.200 / 1M
输出价格 $25.000 / 1M $1.150 / 1M
总输入令牌 60,946 39,981
输出令牌 31,771 319,958
推理令牌 6,831 0
响应时间（平均） 10.83s 20.35s
响应时间（最大） 127.97s 113.98s
响应时间（总计） 227.39s 427.42s

生成展示

Hamster playing table tennis

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

#38 Claude Opus 4.8

low
成本
$0.031
时间
14.1s
令牌
1,345 tok

#20 Step 3.7 Flash

medium
成本
$0.006
时间
46.2s
令牌
4,466 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
Step 3.7 Flash 8.7 7.9 91.7% 1 9.65s 756 32,185 0
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
Step 3.7 Flash 10.0 10.0 100.0% 0 9.06s 13,683 7,106 0
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
Step 3.7 Flash 10.0 10.0 100.0% 0 2.75s 7,398 3,020 0
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
Step 3.7 Flash 7.7 10.0 66.7% 0 48.27s 708 70,347 0
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
Step 3.7 Flash 4.0 10.0 0.0% 0 6.85s 525 3,987 0
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
Step 3.7 Flash 9.8 10.0 100.0% 0 1.83s 735 2,166 0
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
Step 3.7 Flash 5.7 9.9 33.3% 0 6.19s 756 15,071 0
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
Step 3.7 Flash 10.0 10.0 100.0% 0 4.16s 7,746 2,115 0
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222
Step 3.7 Flash 3.0 10.0 0.0% 0 113.98s 237 139,164 0

快速对比

切换对比组合

GPT-5.2 ChatnonevsStep 3.7 FlashmediumClaude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.8lowvsKimi K2.6medium免费可用Claude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumClaude Opus 4.8lowvsQwen3.6 PlusmediumClaude Opus 4.8lowvsMiniMax M3mediumClaude Opus 4.8lowvsDeepSeek V4 ProhighClaude Opus 4.8lowvsGrok Build 0.1mediumClaude Opus 4.8lowvsQwen3.5-27Bmedium