Step 3.7 Flash vs Command A Plus
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
StepFun의 Step 3.7 Flash와 Cohere의 Command A Plus는 현재 가장 주목받는 AI 모델입니다. Step 3.7 Flash는 256K 토큰 컨텍스트 윈도우와 100만 토큰당 $0.00/$0.00(입력/출력)의 요금을 제공하며, Command A Plus는 128K 토큰 컨텍스트와 $3.00/$12.00의 요금을 제공합니다. 아래에서 벤치마크, 지연 시간 및 비용을 상세히 비교해 보세요.
원하는 AI 모델 선택 및 실시간 비교
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Step 3.7 Flash
초고속 저지연 추론 모델StepFun의 Step 3.7 Flash 모델은 초저지연 실시간 대화, 고속 라우팅 및 대규모 트래픽 처리에 최적화된 AI 모델로, 256K 컨텍스트 윈도우, 초당 160 토큰의 생성 속도, 종합 지능 지수 76/100점(무료 오픈 웨이트 제공)을 제공합니다.
$0.00 / 1M
$0.00 / 1M
256K tokens
N/A
Command A Plus
오픈 웨이트 파운데이션 모델Cohere의 Command A Plus 모델은 프라이빗 클라우드 자체 호스팅, 파인튜닝 및 완벽한 데이터 주권 확보에 최적화된 AI 모델로, 128K 컨텍스트 윈도우, 초당 68 토큰의 생성 속도, 종합 지능 지수 58/100점(1M 토큰당 입력 $3 / 출력 $12)을 제공합니다.
$3.00 / 1M
$12.00 / 1M
128K tokens
60.5%
한눈에 보는 핵심 차이점
- Step 3.7 Flash is 1.0x cheaper for API usage (input + output tokens combined).
- Step 3.7 Flash has a larger context window (256K vs 128K tokens).
- Step 3.7 Flash is faster at 160 tok/s vs 68 tok/s.
| Feature | Step 3.7 Flash | Command A Plus |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 76 | 58 |
Provider | StepFun | Cohere |
Input Price Cost per million input tokens | $0.00 / 1M | $3.00 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $12.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $2.33 / 1M |
Context Window Maximum input + output tokens | 256K tokens~384 A4 pages of text | 128K tokens~192 A4 pages of text |
Max Output Tokens Per single request | 8K | 33K |
Throughput Speed Tokens generated per second | 160 tok/s | 68 tok/s |
SWE-bench Verified Real-world software engineering | N/A | 60.5% |
GPQA Diamond Graduate-level reasoning | N/A | 74% |
Cached Input Price Prompt caching discount per 1M tokens | $0.00 / 1M | $0.75 / 1M |
부문별 우위 모델
At-a-glance decision frameworkEvaluations ongoing
검증된 벤치마크 점수 비교
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Autonomous multi-step tasks executed inside a real command-line terminal environment.
American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.
Accuracy when reasoning over very large inputs that fill the model context window.
Tokens emitted per second during active generation streaming.
지연 시간(Latency) 및 응답 속도
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
실시간 API 토큰 비용 시뮬레이터
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Step 3.7 Flash · Strengths & Key Advantages
- 256K 컨텍스트 윈도우 및 최대 8K 출력 토큰 생성 지원 (MMLU-Pro 73% · Arena Elo 1275)
- 초당 160 토큰의 빠른 처리 속도와 250ms에 불과한 첫 토큰 지연 시간(TTFT)
- 오픈 웨이트 아키텍처 (Confidential / 70B MoE)를 통해 vLLM, SGLang, Ollama 기반 자체 GPU 서버 구축 및 파인튜닝 가능
Considerations & Trade-offs
- 비양자화 전체 정밀도로 로컬 서버에서 구동하려면 충분한 GPU VRAM 용량이 필요합니다
- 초고난도 학술 연구 및 수학 증명 과제에서는 상위 대형 추론 특화 모델이 더 깊은 분석을 제공할 수 있습니다
Command A Plus · Strengths & Key Advantages
- 128K 컨텍스트 윈도우 및 최대 33K 출력 토큰 생성 지원 (SWE-bench Verified 60.5% · GPQA Diamond 74%)
- 초당 68 토큰의 빠른 처리 속도와 560ms에 불과한 첫 토큰 지연 시간(TTFT)
- 오픈 웨이트 아키텍처 (Confidential (~180B+ MoE))를 통해 vLLM, SGLang, Ollama 기반 자체 GPU 서버 구축 및 파인튜닝 가능
Considerations & Trade-offs
- 비양자화 전체 정밀도로 로컬 서버에서 구동하려면 충분한 GPU VRAM 용량이 필요합니다
- 대규모 프로덕션 호출 환경에서는 비용 절감을 위해 프롬프트 캐싱과 배치 API(Batch API) 활용이 권장됩니다
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Step 3.7 Flash | Command A Plus |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $0.85 |
Output Tokens / Task Tokens generated per task | 12K | 45K |
Reasoning Tokens / Task Thinking tokens burned per task | 2K | 22K |
기술 사양 (Specifications)
Architecture, release timeline, capabilities, and modalities.
| Feature | Step 3.7 Flash | Command A Plus |
|---|---|---|
| Official API Model ID (SDK) | step-3-7-flash | command-a-plus |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2026-05 | 2026-05 |
| Knowledge Cutoff | March 2026 | March 2026 |
| Architecture | High-Velocity Open Reasoning MoE | Flagship Multimodal Agentic MoE |
| Parameters | Confidential / 70B MoE | Confidential (~180B+ MoE) |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Free across full context window (only KV-cache VRAM scales) | Flat rate ($3/1M in) across full 128K window |
| Prompt Cache Policy & TTL | Automatic prefix KV-caching in vLLM / SGLang (0 cost) | Cached input at $0.75/1M tokens |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 43 GB VRAM (4-bit Quantized) · 151 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 112 GB VRAM (4-bit Quantized) · 387 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text | text, vision |
| Output Modalities | text | text |
Step 3.7 Flash vs Command A Plus: 핵심 요약 문답 (FAQ)
Which is more intelligent, Step 3.7 Flash or Command A Plus?
Step 3.7 Flash is more intelligent. It scores 76 compared with 58 on the composite Intelligence Index.
Which model is faster?
Step 3.7 Flash is faster, generating 160 tokens per second compared with 68 tokens per second.
Which model is cheaper to run?
Step 3.7 Flash is cheaper at $0.00 per 1M tokens blended, compared with $2.33 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Step 3.7 Flash has lower latency, with a time to first token of 0.25s compared with 0.56s.
Which model has a larger context window?
Step 3.7 Flash has a larger context window, supporting 256K tokens compared with 128K tokens.
종합 평가
Step 3.7 Flash(초저지연 실시간 대화, 고속 라우팅 및 대규모 트래픽 처리, 엔터프라이즈 RAG 지식베이스 및 대규모 프로덕션 API 연동에 최적.)와 Command A Plus(프라이빗 클라우드 자체 호스팅, 파인튜닝 및 완벽한 데이터 주권 확보, 엔터프라이즈 RAG 지식베이스 및 대규모 프로덕션 API 연동에 최적.) 모두 뛰어난 성능을 자랑합니다. 고난도 추론과 코딩 벤치마크에서는 Step 3.7 Flash가 앞서며, 토큰 생성 속도에서는 Step 3.7 Flash가 빠르고, 대규모 API 운영 비용 면에서는 Step 3.7 Flash가 더 경제적입니다.
자주 묻는 질문 (FAQ)
코딩과 복잡한 추론에는 Step 3.7 Flash와 Command A Plus 중 어느 모델이 더 나은가요?+
종합 지능 지수 및 코딩 벤치마크에서는 Step 3.7 Flash가 우위를 보입니다. 상단의 SWE-bench 및 GPQA 점수를 함께 확인해 보세요.
Step 3.7 Flash와 Command A Plus의 API 요금 차이는 얼마인가요?+
Step 3.7 Flash는 100만 토큰당 입력 $0.00 / 출력 $0.00이며, Command A Plus는 입력 $3.00 / 출력 $12.00입니다. 혼합 비용 기준으로는 Step 3.7 Flash가 더 저렴합니다.
어느 모델이 더 큰 컨텍스트 윈도우와 빠른 속도를 제공하나요?+
컨텍스트 길이는 Step 3.7 Flash가 256K 토큰, Command A Plus가 128K 토큰를 지원하며, 출력 속도 면에서는 Step 3.7 Flash가 더 빠릅니다.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Command A Plus vs Claude Opus 5.5: 벤치마크, API 요금 및 속도 비교 (2026)비교
- Command A Plus vs Command A Reasoning: 벤치마크, API 요금 및 속도 비교 (2026)비교
- Command A Plus vs Command A: 벤치마크, API 요금 및 속도 비교 (2026)비교
- Command A Plus vs Gemini 4 Argon: 벤치마크, API 요금 및 속도 비교 (2026)비교
- Command A Plus vs GPT-6 Astra: 벤치마크, API 요금 및 속도 비교 (2026)비교
- Command A Plus vs Nemotron 3 Ultra 550B A55B: 벤치마크, API 요금 및 속도 비교 (2026)비교
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
공식 출처: StepFun 및 Cohere 공식 API 문서, 시스템 카드 및 독립 벤치마크 평가 (2026).