#51 Step 3.7 Flash
low
无效SVG
- 成本
- $0.004
- 时间
- 25.3s
- 令牌
- 3,072 tok
AI BENCHY 对比
StepFun: Step 3.7 Flash vs xAI: Grok 4.3
摘要
平均分几乎持平，为 7.7 vs 7.7。 Step 3.7 Flash (low) benchmark 成本更低，为 $0.341 vs $0.614。 Step 3.7 Flash (low) 更快，为 15.74s vs 47.51s，通过率为 68.3% vs 71.4%。
推荐模型Step 3.7 Flash (low)它在这里得分最高（7.7），同时成本比Grok 4.3 (medium)低约 1.8 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14
| 指标 | Step 3.7 Flash Step 3.7 Flash low | Grok 4.3 Grok 4.3 medium |
|---|---|---|
| 分数 | 7.7 | 7.7 |
| 排名 | #51 | #48 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.4 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 68.3% | 71.4% |
| 不稳定测试 | 4 | 4 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 2.840 | 4.724 |
| 总成本 | $0.341 | $0.614 |
| 输入价格 | $0.200 / 1M | $1.250 / 1M |
| 输出价格 | $1.150 / 1M | $2.500 / 1M |
| 总输入令牌 | 40,101 | 44,472 |
| 输出令牌 | 289,325 | 1,981 |
| 推理令牌 | 0 | 221,382 |
| 响应时间（平均） | 15.74s | 47.51s |
| 响应时间（最大） | 124.75s | 216.69s |
| 响应时间（总计） | 330.63s | 997.68s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#48 xAI: Grok 4.3
medium- 成本
- $0.009
- 时间
- 19.0s
- 令牌
- 3,661 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
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| 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 |
快速对比
切换对比组合
GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsStep 3.7 FlashlowGPT-5.6 TerralowvsGrok 4.3mediumClaude Opus 4.8lowvsGrok 4.3mediumGPT-5.6 LunahighvsGrok 4.3mediumKAT-Coder-Pro V2.5highvsStep 3.7 FlashlowQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKAT-Coder-Pro V2.5highvsGrok 4.3mediumKimi K2.6medium免费可用vsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow