- 排名
- #106
- 总输出令牌
- 440,835
- 响应时间（平均）
- 26.57s
- 总成本
- $0.571
Step 3.7 Flash (medium) vs Grok 4.5 (low)
平均分几乎持平，为 7.8 vs 7.8。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.571 vs $1.345。 Grok 4.5 (low) 更快，为 18.14s vs 26.57s，通过率为 68.1% vs 73.9%。
已对比模型
- 排名
- #109
- 总输出令牌
- 121,415
- 响应时间（平均）
- 18.14s
- 总成本
- $1.345
推荐模型
Step 3.7 Flash (medium)
它在这里得分最高（7.8），同时成本比Grok 4.5 (low)低约 2.4 倍。
详细对比
| 指标 | Step 3.7 Flash Step 3.7 Flash medium | Grok 4.5 Grok 4.5 low |
|---|---|---|
| 分数 | 7.8 | 7.8 |
| 排名 | #106 | #109 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 9.3 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 68.1% | 73.9% |
| 不稳定测试 | 4 | 2 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 4.392 | 8.404 |
| 总成本 | $0.571 | $1.345 |
| 输入价格 | $0.200 / 1M | $2.000 / 1M |
| 输出价格 | $1.150 / 1M | $6.000 / 1M |
| 总输入令牌 | 319,524 | 308,068 |
| 输出令牌 | 440,835 | 9,218 |
| 推理令牌 | 0 | 112,197 |
| 响应时间（平均） | 26.57s | 18.14s |
| 响应时间（最大） | 152.83s | 205.28s |
| 响应时间（总计） | 611.09s | 417.21s |
| 参数量 | 198B 总计 (11B 激活) | ~1.7T 总计 (~170B 激活) |
| 开放状态 | 开源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#106 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 tok
#109 SpaceXAI: Grok 4.5
low- 成本
- $0.011
- 时间
- 12.4s
- 令牌
- 2,018 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
| 智能体任务 | 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 | 7.4 | 3.8 | 66.7% | 1 | 93.88s | 205,333 | 31,126 | 0 | |
| Grok 4.5 | 5.0 | 10.0 | 0.0% | 0 | 61.53s | 182,463 | 1,713 | 4,213 |
| 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 | 9.65s | 756 | 32,185 | 0 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 2,991 | 261 | 3,000 |
| 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 | 8.8 | 7.8 | 88.9% | 1 | 27.42s | 7,437 | 44,797 | 0 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 13.72s | 9,579 | 303 | 15,641 |
| 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 | 80.94s | 87,764 | 114,720 | 0 | |
| Grok 4.5 | 6.5 | 10.0 | 50.0% | 0 | 12.75s | 82,028 | 6,031 | 3,583 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 7,398 | 3,020 | 0 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 3.44s | 8,937 | 225 | 2,549 |
| 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 | 10.0 | 33.3% | 0 | 27.26s | 837 | 52,484 | 0 | |
| Grok 4.5 | 2.9 | 7.2 | 11.1% | 1 | 77.09s | 2,523 | 14 | 71,813 |
| 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 | 4.0 | 10.0 | 0.0% | 0 | 6.85s | 525 | 3,987 | 0 | |
| Grok 4.5 | 6.1 | 3.1 | 66.7% | 1 | 4.88s | 1,077 | 98 | 1,253 |
| 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 | 1.83s | 735 | 2,166 | 0 | |
| Grok 4.5 | 9.8 | 10.0 | 100.0% | 0 | 2.80s | 1,857 | 57 | 1,878 |
| 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 | 5.7 | 9.9 | 33.3% | 0 | 6.19s | 756 | 15,071 | 0 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 3.20s | 2,430 | 217 | 2,590 |
| 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 | 4.16s | 7,746 | 2,115 | 0 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 5.83s | 13,394 | 284 | 871 |
| 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 | 113.98s | 237 | 139,164 | 0 | |
| Grok 4.5 | 3.0 | 10.0 | 0.0% | 0 | 13.98s | 789 | 15 | 4,806 |
快速对比
切换对比组合
DeepSeek V4 Flash 0731mediumvsGrok 4.5lowQwen3.7 PlusnonevsGrok 4.5lowStep 3.7 FlashmediumvsGLM 5.3highQwen3.7 PlusnonevsStep 3.7 FlashmediumGrok 4.5lowvsGLM 5.3highQwen3.8 2.4T A95BhighvsStep 3.7 FlashmediumGPT-6 LunahighvsGrok 4.5lowMuse Glimmer 30BhighvsGrok 4.5lowQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowGrok 4.5lowvsMiMo-V2.6-FlashmediumQwen3.8 2.4T A95BhighvsGrok 4.5lowQwen3.7 MaxnonevsStep 3.7 Flashmedium