AI BENCHY Compare

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

Ringkasan

DeepSeek V3.2 (medium) unggul dalam skor rata-rata dengan 7.0 vs 6.9. DeepSeek V3.2 (medium) memiliki biaya benchmark lebih rendah di $0.078 vs $1.207. Step 3.7 Flash (high) lebih cepat di 64.68s vs 68.62s, dengan tingkat keberhasilan 65.2% vs 63.6%.

Model yang direkomendasikanDeepSeek V3.2 (medium)It has the best score here (7.0), while costing about 15.7x less than Step 3.7 Flash (high).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29
Skor	7.0	6.9
Peringkat	#73	#83
Keandalan	10.0	10.0
Konsistensi	7.4	8.0
Tes benar
Tingkat lulus per percobaan	65.2%	63.6%
Tes tidak stabil	7	5
Total Run	66	66
Biaya per hasil	0.671	10.973
Total Biaya	$0.078	$1.207
Harga input	$0.269 / 1M	$0.200 / 1M
Harga output	$0.400 / 1M	$1.150 / 1M
Total token input	101,047	98,691
Token output	11,834	1,032,395
Token penalaran	117,014	0
Waktu respons (rata-rata)	68.62s	64.68s
Waktu respons (maks)	376.10s	364.99s
Waktu respons (total)	1509.53s	1423.01s

Showcase generasi

Hamster playing table tennis

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

#73 DeepSeek V3.2

medium

Biaya: $0.001
Waktu: 53.6s
Token: 1,932 tok

#83 Step 3.7 Flash

high

Biaya: $0.007
Waktu: 63.6s
Token: 6,030 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229
Step 3.7 Flash	8.7	6.9	83.3%	1		41.23s	73,938	49,842	0

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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		1.52s	705	2,010	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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		2.79s	7,701	1,172	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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		149.34s	222	147,476	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.5nonevsStep 3.7 Flashhigh Qwen3.6 FlashmediumvsStep 3.7 Flashhigh DeepSeek V3.2mediumvsGemini 3.5 Flashnone Step 3.7 FlashhighvsMiMo-V2.5-Promedium Gemini 3.5 FlashminimalvsStep 3.7 Flashhigh GPT-5.6 SolnonevsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashhigh Seed-2.0-MinimediumvsStep 3.7 Flashhigh DeepSeek V3.2mediumvsGPT-5.6 Solnone Gemini 3 Flash PreviewnonevsStep 3.7 Flashhigh Gemini 3.5 FlashnonevsStep 3.7 Flashhigh