- 排名
- #77
- 总输出令牌
- 376,581
- 响应时间（平均）
- 20.68s
- 总成本
- $0.454
Step 3.7 Flash (low) vs Grok Build 0.1 (medium)
Grok Build 0.1 (medium) 平均分领先，为 7.6 vs 7.3。 Step 3.7 Flash (low) benchmark 成本更低，为 $0.454 vs $1.097。 Step 3.7 Flash (low) 更快，为 20.68s vs 52.06s，通过率为 68.2% vs 63.6%。
- 排名
- #56
- 总输出令牌
- 494,663
- 响应时间（平均）
- 52.06s
- 总成本
- $1.097
推荐模型
Step 3.7 Flash (low)
它的得分接近这里的最高分（7.3 vs 7.6），同时成本比Grok Build 0.1 (medium)低约 2.4 倍。
详细对比
| 指标 | Step 3.7 Flash Step 3.7 Flash low | Grok Build 0.1 Grok Build 0.1 medium |
|---|---|---|
| 分数 | 7.3 | 7.6 |
| 排名 | #77 | #56 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.1 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 68.2% | 63.6% |
| 不稳定测试 | 5 | 0 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 3.782 | 7.830 |
| 总成本 | $0.454 | $1.097 |
| 输入价格 | $0.200 / 1M | $1.000 / 1M |
| 输出价格 | $1.150 / 1M | $2.000 / 1M |
| 总输入令牌 | 103,833 | 106,751 |
| 输出令牌 | 376,581 | 7,993 |
| 推理令牌 | 0 | 486,670 |
| 响应时间（平均） | 20.68s | 52.06s |
| 响应时间（最大） | 124.75s | 252.69s |
| 响应时间（总计） | 455.01s | 1145.27s |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#77 Step 3.7 Flash
low
无效SVG
- 成本
- $0.004
- 时间
- 25.3s
- 令牌
- 3,072 tok
#56 xAI: Grok Build 0.1
medium- 成本
- $0.028
- 时间
- 81.3s
- 令牌
- 14,009 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 4.02s | 756 | 10,896 | 0 | |
| Grok Build 0.1 | 8.3 | 10.0 | 75.0% | 0 | 7.43s | 2,010 | 220 | 12,162 |
| 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 Build 0.1 | 5.7 | 9.7 | 33.3% | 0 | 108.46s | 8,304 | 1,138 | 161,452 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 66.18s | 77,415 | 93,682 | 0 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 65.08s | 75,242 | 5,442 | 65,569 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 2.29s | 7,398 | 2,667 | 0 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 10.72s | 7,761 | 180 | 8,876 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 5.3 | 7.2 | 44.4% | 1 | 43.31s | 828 | 104,487 | 0 | |
| Grok Build 0.1 | 5.3 | 10.0 | 33.3% | 0 | 158.00s | 1,764 | 492 | 175,294 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 3.4 | 9.3 | 0.0% | 0 | 7.00s | 525 | 4,604 | 0 | |
| Grok Build 0.1 | 4.4 | 9.9 | 0.0% | 0 | 18.41s | 825 | 76 | 6,345 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.58s | 735 | 1,857 | 0 | |
| Grok Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 12.36s | 1,362 | 57 | 9,599 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 5.5 | 9.9 | 33.3% | 0 | 1.84s | 756 | 3,564 | 0 | |
| Grok Build 0.1 | 7.7 | 10.0 | 66.7% | 0 | 18.26s | 1,689 | 195 | 20,841 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.25s | 7,746 | 1,360 | 0 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 13.12s | 7,263 | 180 | 4,969 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 124.75s | 237 | 134,779 | 0 | |
| Grok Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 53.51s | 531 | 13 | 21,563 |
快速对比
切换对比组合
Claude Opus 4.8nonevsStep 3.7 FlashlowKimi K2.6mediumvsStep 3.7 FlashlowKAT-Coder-Pro V2.5highvsStep 3.7 FlashlowClaude Opus 5nonevsGrok Build 0.1mediumGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGrok Build 0.1mediumDeepSeek V4 FlashhighvsGrok Build 0.1mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumClaude Sonnet 4.6nonevsStep 3.7 FlashlowQwen3.7 PlusnonevsStep 3.7 Flashlow