AI BENCHY Compare

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

概要

DeepSeek V3.2 (medium) が平均スコアでリードし、7.0 vs 6.9 です。 DeepSeek V3.2 (medium) の benchmark コストが低く、$0.078 vs $1.207 です。 Step 3.7 Flash (high) の方が高速で、64.68s vs 68.62s です、成功率は 65.2% vs 63.6% です。

おすすめモデルDeepSeek V3.2 (medium)ここでは最高スコア（7.0）で、Step 3.7 Flash (high) より約 15.7 倍低コストです。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-17

指標	DeepSeek V3.2 DeepSeek V3.2 medium リリース: 2025-12-01	Step 3.7 Flash Step 3.7 Flash high リリース: 2026-05-29

指標	DeepSeek V3.2 DeepSeek V3.2 medium リリース: 2025-12-01	Step 3.7 Flash Step 3.7 Flash high リリース: 2026-05-29
スコア	7.0	6.9
順位	#73	#83
信頼性	10.0	10.0
一貫性	7.4	8.0
正解テスト
試行ごとの合格率	65.2%	63.6%
不安定なテスト	7	5
総実行回数	66	66
結果あたりのコスト	0.671	10.973
合計コスト	$0.078	$1.207
入力価格	$0.269 / 1M	$0.200 / 1M
出力価格	$0.400 / 1M	$1.150 / 1M
合計入力トークン	101,047	98,691
出力トークン	11,834	1,032,395
推論トークン	117,014	0
応答時間（平均）	68.62s	64.68s
応答時間（最大）	376.10s	364.99s
応答時間（合計）	1509.53s	1423.01s

生成ショーケース

Hamster playing table tennis

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

#73 DeepSeek V3.2

medium

コスト: $0.001
時間: 53.6s
トークン: 1,932 tok

#83 Step 3.7 Flash

high

コスト: $0.007
時間: 63.6s
トークン: 6,030 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

カテゴリ:

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

クイック比較

比較ペアを切り替え

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