- 順位
- #119
- 合計出力トークン
- 128,787
- 応答時間（平均）
- 68.43s
- 合計コスト
- $0.078
DeepSeek V3.2 (medium) vs Step 3.7 Flash (low)
Step 3.7 Flash (low) が平均スコアでリードし、7.1 vs 7.0 です。 DeepSeek V3.2 (medium) の benchmark コストが低く、$0.078 vs $0.390 です。 Step 3.7 Flash (low) の方が高速で、17.87s vs 68.43s です、成功率は 65.2% vs 63.6% です。
- 順位
- #115
- 合計出力トークン
- 320,393
- 応答時間（平均）
- 17.87s
- 合計コスト
- $0.390
おすすめモデル
DeepSeek V3.2 (medium)
スコアはここでの最高値に近く（7.0 vs 7.1）、Step 3.7 Flash (low) より約 5.0 倍低コストです。
詳細比較
| 指標 | DeepSeek V3.2 DeepSeek V3.2 medium | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| スコア | 7.0 | 7.1 |
| 順位 | #119 | #115 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 7.4 | 8.1 |
| 試行回数 | 66/66 | 66/66 |
| 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 | 0.672 | 3.539 |
| 合計コスト | $0.078 | $0.390 |
| 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 | 101,056 | 103,842 |
| 出力トークン | 11,832 | 320,393 |
| 推論トークン | 116,955 | 0 |
| 応答時間（平均） | 68.43s | 17.87s |
| 応答時間（最大） | 376.10s | 124.75s |
| 応答時間（合計） | 1505.53s | 393.04s |
| パラメータ | 671B 総数 (37B アクティブ) | 198B 総数 (11B アクティブ) |
| 公開状況 | オープンソース | オープンソース |
モデル生成ショーケース
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#119 DeepSeek V3.2
medium- コスト
- $0.001
- 時間
- 53.6s
- トークン
- 1,932 tok
#115 Step 3.7 Flash
low
無効なSVG
- コスト
- $0.004
- 時間
- 25.3s
- トークン
- 3,072 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
| 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 | 8.7 | 7.9 | 91.7% | 1 | 4.02s | 756 | 10,896 | 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 | 8.2 | 7.2 | 88.9% | 1 | 9.46s | 7,437 | 18,685 | 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 | 7.3 | 5.8 | 83.3% | 1 | 66.18s | 77,415 | 93,682 | 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 | 7.3 | 5.8 | 83.3% | 1 | 2.29s | 7,398 | 2,667 | 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 | 22.94s | 481 | 19 | 6,779 | |
| Step 3.7 Flash | 2.9 | 7.2 | 11.1% | 1 | 22.65s | 837 | 48,299 | 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 | 3.4 | 9.3 | 0.0% | 0 | 7.00s | 525 | 4,604 | 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 | 1.58s | 735 | 1,857 | 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 | 5.5 | 9.9 | 33.3% | 0 | 1.84s | 756 | 3,564 | 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 | 3.25s | 7,746 | 1,360 | 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 | 124.75s | 237 | 134,779 | 0 |
クイック比較
比較ペアを切り替え
DeepSeek V3.2mediumvsGPT-5.6 SolnoneDeepSeek V3.2mediumvsGPT-5.5noneQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsSolar Pro 4highMuse Glimmer 30BmediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowMuse Glimmer 30BhighvsStep 3.7 FlashlowDeepSeek V3.2mediumvsSolar Pro 4highStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.6 SolnonevsStep 3.7 FlashlowSeed-2.0-CodehighvsDeepSeek V3.2mediumKAT-Coder-Pro V2.5highvsStep 3.7 Flashlow