AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs StepFun: Step 3.7 Flash

Resumen

Step 3.7 Flash (low) lidera en puntuación media con 7.3 vs 7.0. DeepSeek V3.2 (medium) tiene menor coste de benchmark con $0.078 vs $0.454. Step 3.7 Flash (low) es más rápido con 20.68s vs 68.62s, con tasas de acierto de 65.2% vs 68.2%.

Modelo recomendadoDeepSeek V3.2 (medium)Su puntuación se mantiene cerca de la mejor aquí (7.0 vs 7.3) y cuesta aproximadamente 5.9x menos que Step 3.7 Flash (low).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-17

Métrica	DeepSeek V3.2 DeepSeek V3.2 medium Lanzamiento: 2025-12-01	Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29

Métrica	DeepSeek V3.2 DeepSeek V3.2 medium Lanzamiento: 2025-12-01	Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29
Puntuación	7.0	7.3
Rango	#73	#64
Fiabilidad	10.0	10.0
Consistencia	7.4	8.1
Pruebas correctas
Tasa de aciertos por intento	65.2%	68.2%
Pruebas inestables	7	5
Ejecuciones totales	66	66
Costo por resultado	0.671	3.782
Costo total	$0.078	$0.454
Precio de entrada	$0.269 / 1M	$0.200 / 1M
Precio de salida	$0.400 / 1M	$1.150 / 1M
Total de tokens de entrada	101,047	103,833
Tokens de salida	11,834	376,581
Tokens de razonamiento	117,014	0
Tiempo de respuesta (promedio)	68.62s	20.68s
Tiempo de respuesta (máximo)	376.10s	124.75s
Tiempo de respuesta (total)	1509.53s	455.01s

Generación showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#73 DeepSeek V3.2

medium

Coste: $0.001
Tiempo: 53.6s
Tokens: 1,932 tok

#64 Step 3.7 Flash

low

SVG inválido

Coste: $0.004
Tiempo: 25.3s
Tokens: 3,072 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	1,397	2,845
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Comparación rápida

Cambiar par de comparación

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow DeepSeek V3.2mediumvsGemini 3.5 Flashnone KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow DeepSeek V3.2mediumvsGPT-5.6 Solnone Step 3.7 FlashlowvsGrok 4.3medium