- 排名
- #84
- 总输出令牌
- 409,709
- 响应时间（平均）
- 23.51s
- 总成本
- $0.495
Step 3.7 Flash (medium) vs Grok 4.7 (low)
平均分几乎持平，为 7.9 vs 7.9。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.495 vs $1.320。 Step 3.7 Flash (medium) 更快，为 23.51s vs 59.02s，通过率为 68.2% vs 77.3%。
已对比模型
- 排名
- #81
- 总输出令牌
- 231,848
- 响应时间（平均）
- 59.02s
- 总成本
- $1.320
推荐模型
Step 3.7 Flash (medium)
它在这里得分最高（7.9），同时成本比Grok 4.7 (low)低约 2.7 倍。
详细对比
| 指标 | Step 3.7 Flash Step 3.7 Flash medium | Grok 4.7 Grok 4.7 low |
|---|---|---|
| 分数 | 7.9 | 7.9 |
| 排名 | #84 | #81 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 8.3 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 68.2% | 77.3% |
| 不稳定测试 | 3 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 3.801 | 9.422 |
| 总成本 | $0.495 | $1.320 |
| 输入价格 | $0.200 / 1M | $1.600 / 1M |
| 输出价格 | $1.150 / 1M | $4.800 / 1M |
| 总输入令牌 | 114,191 | 128,832 |
| 输出令牌 | 409,709 | 6,840 |
| 推理令牌 | 0 | 225,008 |
| 响应时间（平均） | 23.51s | 59.02s |
| 响应时间（最大） | 152.83s | 389.63s |
| 响应时间（总计） | 517.21s | 1298.42s |
| 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.
#84 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 tok
#81 SpaceXAI: Grok 4.7
low- 成本
- $0.007
- 时间
- 15.2s
- 令牌
- 1,537 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 | 9.65s | 756 | 32,185 | 0 | |
| Grok 4.7 | 10.0 | 10.0 | 100.0% | 0 | 9.92s | 2,991 | 94 | 7,306 |
| 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 4.7 | 8.4 | 7.4 | 88.9% | 1 | 189.08s | 9,579 | 346 | 99,053 |
| 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 4.7 | 7.3 | 5.8 | 83.3% | 1 | 31.17s | 90,114 | 5,684 | 6,430 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 4.88s | 8,937 | 225 | 2,050 |
| 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 4.7 | 5.3 | 10.0 | 33.3% | 0 | 159.09s | 2,523 | 17 | 84,957 |
| 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 4.7 | 4.1 | 2.7 | 33.3% | 1 | 11.32s | 1,077 | 75 | 2,060 |
| 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 4.7 | 8.4 | 6.9 | 83.3% | 1 | 6.19s | 1,857 | 57 | 2,559 |
| 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 4.7 | 8.2 | 7.2 | 88.9% | 1 | 12.45s | 2,430 | 151 | 6,628 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 4.26s | 8,535 | 174 | 336 |
| 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 4.7 | 3.0 | 10.0 | 0.0% | 0 | 76.84s | 789 | 17 | 13,629 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsStep 3.7 FlashmediumKimi K3maxvsGrok 4.7lowKimi K3maxvsStep 3.7 FlashmediumQwen3.8 27BlowvsStep 3.7 FlashmediumGPT-5.2 ChatnonevsGrok 4.7lowGPT-5.6 TerrahighvsGrok 4.7lowInklingmediumvsGrok 4.7lowGPT-5.6 TerrahighvsStep 3.7 FlashmediumQwen3.7 PlusmediumvsGrok 4.7lowGrok 4.7lowvsGLM 5.2highStep 3.7 FlashmediumvsGLM 5.2highQwen3.6 PlusmediumvsGrok 4.7low