AI BENCHY Compare

Google: Gemini 3.1 Flash Lite vs StepFun: Step 3.5 Flash

Ringkasan

Perbandingan benchmark Gemini 3.1 Flash Lite vs Step 3.5 Flash: Step 3.5 Flash unggul dalam skor rata-rata dengan 6.6 vs 6.1. Gemini 3.1 Flash Lite memiliki biaya benchmark lebih rendah di $0.013 vs $0.070. Gemini 3.1 Flash Lite lebih cepat di 1.06s vs 72.53s, dengan tingkat keberhasilan 52.4% vs 54.0%.

Model yang direkomendasikan: Gemini 3.1 Flash Lite - Its score stays close to the best score here (6.1 vs 6.6), while costing about 5.4x less than Step 3.5 Flash.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-18

Metrik	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite none Rilis: 2026-05-08	Step 3.5 Flash Step 3.5 Flash medium Rilis: 2026-02-01

Metrik	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite none Rilis: 2026-05-08	Step 3.5 Flash Step 3.5 Flash medium Rilis: 2026-02-01
Skor	6.1	6.6
Peringkat	#96	#80
Keandalan	10.0	10.0
Konsistensi	8.6	8.9
Tes benar
Tingkat lulus per percobaan	52.4%	54.0%
Tes tidak stabil	4	1
Total Run	63	60
Biaya per hasil	0.144	0.198
Total Biaya	$0.013	$0.070
Harga input	$0.250 / 1M	$0.090 / 1M
Harga output	$1.500 / 1M	$0.300 / 1M
Total token input	36,710	34,431
Token output	2,484	91,587
Token penalaran	0	195,973
Waktu respons (rata-rata)	1.06s	72.53s
Waktu respons (maks)	2.97s	453.94s
Waktu respons (total)	22.35s	1015.47s

Showcase generasi

Hamster playing table tennis

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

#96 Gemini 3.1 Flash Lite

none

Biaya: $0.001
Waktu: 4.5s
Token: 727 tok

#80 Step 3.5 Flash

medium

Biaya: $0.008
Waktu: 277.1s
Token: 23,695 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

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	7.5	8.4	66.7%	1		1.07s	506	639	0
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	5.5	10.0	33.3%	0		938ms	8,128	666	0
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		2.73s	12,870	357	0
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

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
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		843ms	7,267	279	0
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	2.9	7.2	11.1%	1		762ms	647	15	0
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	4.0	10.0	0.0%	0		992ms	486	63	0
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		859ms	619	72	0
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	6.3	4.8	66.7%	2		720ms	570	150	0
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		2.97s	5,457	234	0
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		733ms	160	9	0
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Perbandingan Cepat

Ganti Pasangan Perbandingan