AI BENCHY Compare

Google: Gemini 3.5 Flash vs StepFun: Step 3.7 Flash

概要

Gemini 3.5 Flash (low) が平均スコアでリードし、9.2 vs 8.5 です。 Gemini 3.5 Flash (low) の benchmark コストが低く、$0.349 vs $0.376 です。 Gemini 3.5 Flash (low) の方が高速で、3.27s vs 20.35s です、成功率は 90.5% vs 73.0% です。

おすすめモデルGemini 3.5 Flash (low)ここでは最高スコア（9.2）で、Step 3.7 Flash (medium) より約 6.2 倍速く応答します。

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: 2026-07-14

指標	Gemini 3.5 Flash Gemini 3.5 Flash low リリース: 2026-05-19	Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29

指標	Gemini 3.5 Flash Gemini 3.5 Flash low リリース: 2026-05-19	Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29
スコア	9.2	8.5
順位	#8	#23
信頼性	10.0	9.9
一貫性	10.0	9.3
正解テスト
試行ごとの合格率	90.5%	73.0%
不安定なテスト	0	2
総実行回数	63	61
結果あたりのコスト	1.834	2.686
合計コスト	$0.349	$0.376
入力価格	$1.500 / 1M	$0.200 / 1M
出力価格	$9.000 / 1M	$1.150 / 1M
合計入力トークン	36,938	39,981
出力トークン	2,033	319,958
推論トークン	30,519	0
応答時間（平均）	3.27s	20.35s
応答時間（最大）	9.05s	113.98s
応答時間（合計）	68.65s	427.42s

生成ショーケース

Hamster playing table tennis

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

#8 Gemini 3.5 Flash

low

コスト: $0.068
時間: 39.1s
トークン: 7,588 tok

#23 Step 3.7 Flash

medium

コスト: $0.006
時間: 46.2s
トークン: 4,466 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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		2.52s	494	209	2,536
Step 3.7 Flash	8.7	7.9	91.7%	1		9.65s	756	32,185	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
Gemini 3.5 Flash	7.8	10.0	66.7%	0		6.71s	8,118	458	13,420
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		6.44s	12,873	351	3,050
Step 3.7 Flash	10.0	10.0	100.0%	0		9.06s	13,683	7,106	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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		1.81s	7,548	279	1,164
Step 3.7 Flash	10.0	10.0	100.0%	0		2.75s	7,398	3,020	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
Gemini 3.5 Flash	7.7	10.0	66.7%	0		3.39s	633	12	4,538
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		2.27s	486	119	916
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	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
Gemini 3.5 Flash	9.9	10.0	100.0%	0		1.86s	615	71	1,652
Step 3.7 Flash	9.8	10.0	100.0%	0		1.83s	735	2,166	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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		2.35s	558	288	2,150
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	15,071	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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		3.27s	5,457	234	403
Step 3.7 Flash	10.0	10.0	100.0%	0		4.16s	7,746	2,115	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
Gemini 3.5 Flash	10.0	10.0	100.0%	0		1.88s	156	12	690
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

クイック比較

比較ペアを切り替え

GPT-5.2 ChatnonevsStep 3.7 Flashmedium Claude Fable 5mediumvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGPT-5.6 Solhigh Gemini 3.5 FlashlowvsGPT-5.6 Solmedium Gemini 3.5 FlashlowvsQwen3.7 Maxmedium DeepSeek V4 FlashhighvsStep 3.7 Flashmedium Gemini 3.5 FlashlowvsGPT-5.5medium GPT-5.6 TerrahighvsStep 3.7 Flashmedium Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Gemini 3.5 FlashlowvsQwen3.6 Max Previewmedium Claude Opus 4.8mediumvsGemini 3.5 Flashlow Step 3.7 FlashmediumvsGLM 5.2high