- 排名
- #113
- 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 4.6 (medium)
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 $2.270。 Step 3.7 Flash (medium) 更快，为 26.57s vs 74.77s，通过率为 68.1% vs 78.3%。
已对比模型
- 排名
- #114
- 总输出令牌
- 266,197
- 响应时间（平均）
- 74.77s
- 总成本
- $2.270
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 4.6 (medium)低约 4.0 倍。
详细对比
| 指标 | Step 3.7 Flash Step 3.7 Flash medium | Grok 4.6 Grok 4.6 medium |
|---|---|---|
| 分数 | 7.8 | 7.8 |
| 排名 | #113 | #114 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 8.7 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 68.1% | 78.3% |
| 不稳定测试 | 4 | 4 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 4.392 | 14.187 |
| 总成本 | $0.571 | $2.270 |
| 输入价格 | $0.200 / 1M | $2.000 / 1M |
| 输出价格 | $1.150 / 1M | $6.000 / 1M |
| 缓存读取价格 | $0.040 / 1M | $0.500 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 319,524 | 336,351 |
| 输出令牌 | 440,835 | 6,180 |
| 推理令牌 | 0 | 260,017 |
| 响应时间（平均） | 26.57s | 74.77s |
| 响应时间（最大） | 152.83s | 514.35s |
| 响应时间（总计） | 611.09s | 1719.73s |
| 参数量 | 198B 总计 (11B 激活) | ~1.7T 总计 (~170B 激活) |
| 开放状态 | 开源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#113 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 tok
#114 SpaceXAI: Grok 4.6
medium- 成本
- $0.028
- 时间
- 72.1s
- 令牌
- 4,771 tok
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 4.6 | 5.0 | 10.0 | 0.0% | 0 | 103.61s | 229,564 | 1,369 | 15,020 |
| 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 10.84s | 2,991 | 78 | 6,335 |
| 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 4.6 | 8.2 | 7.2 | 88.9% | 1 | 120.05s | 9,579 | 351 | 64,226 |
| 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 62.66s | 68,060 | 3,687 | 21,366 |
| 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 11.46s | 8,937 | 225 | 4,400 |
| 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 4.6 | 5.3 | 7.2 | 44.4% | 1 | 304.33s | 2,523 | 15 | 127,702 |
| 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 4.6 | 4.1 | 2.7 | 33.3% | 1 | 17.27s | 1,077 | 47 | 2,052 |
| 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 4.6 | 9.8 | 10.0 | 100.0% | 0 | 12.75s | 1,857 | 57 | 4,500 |
| 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 4.6 | 8.7 | 7.7 | 88.9% | 1 | 16.30s | 2,430 | 123 | 5,799 |
| 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 12.83s | 8,544 | 216 | 1,068 |
| 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 4.6 | 3.0 | 10.0 | 0.0% | 0 | 46.88s | 789 | 12 | 7,549 |
快速对比
切换对比组合
Step 3.7 FlashmediumvsGLM 5.3highGrok 4.6mediumvsGLM 5.3highQwen3.7 PlusnonevsGrok 4.6mediumQwen3.7 PlusnonevsStep 3.7 FlashmediumStep 3.7 FlashmediumvsGrok 4.5lowLing 3.1 FlashhighvsStep 3.7 FlashmediumLing 3.1 FlashhighvsGrok 4.6mediumQwen3.8 2.4T A95BhighvsStep 3.7 FlashmediumQwen3.8 2.4T A95BhighvsGrok 4.6mediumGPT-6 LunahighvsGrok 4.6mediumMuse Glimmer 30BhighvsGrok 4.6mediumQwen3.7 MaxnonevsStep 3.7 Flashmedium