AI BENCHY Compare

MoonshotAI: Kimi K3 vs StepFun: Step 3.7 Flash

概要

Kimi K3 (max) が平均スコアでリードし、8.5 vs 8.5 です。 Step 3.7 Flash (medium) の benchmark コストが低く、$0.376 vs $3.112 です。 Step 3.7 Flash (medium) の方が高速で、20.35s vs 122.48s です、成功率は 82.5% vs 73.0% です。

おすすめモデルStep 3.7 Flash (medium)スコアはここでの最高値に近く（8.5 vs 8.5）、Kimi K3 (max) より約 8.3 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: 2026-07-16

指標	Kimi K3 Kimi K3 max リリース: 2026-07-16	Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29

指標	Kimi K3 Kimi K3 max リリース: 2026-07-16	Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29
スコア	8.5	8.5
順位	#21	#26
信頼性	9.4	9.9
一貫性	9.2	9.3
正解テスト
試行ごとの合格率	82.5%	73.0%
不安定なテスト	2	2
総実行回数	63	61
結果あたりのコスト	19.446	2.686
合計コスト	$3.112	$0.376
入力価格	$3.000 / 1M	$0.200 / 1M
出力価格	$15.000 / 1M	$1.150 / 1M
合計入力トークン	34,916	39,981
出力トークン	2,910	319,958
推論トークン	197,529	0
応答時間（平均）	122.48s	20.35s
応答時間（最大）	766.58s	113.98s
応答時間（合計）	2327.06s	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.

#21 MoonshotAI: Kimi K3

max

コスト: $0.281
時間: 506.9s
トークン: 18,863 tok

#26 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
Kimi K3	10.0	10.0	100.0%	0		10.24s	1,638	496	2,629
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
Kimi K3	10.0	10.0	100.0%	0		325.79s	8,061	460	84,012
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
Kimi K3	10.0	10.0	100.0%	0		223.03s	12,792	399	20,460
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
Kimi K3	7.3	5.8	83.3%	1		16.72s	7,839	354	2,606
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
Kimi K3	5.9	7.2	55.6%	1		490.14s	794	80	83,180
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
Kimi K3	10.0	10.0	100.0%	0		14.91s	732	191	871
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
Kimi K3	10.0	10.0	100.0%	0		7.66s	1,179	147	1,119
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
Kimi K3	10.0	10.0	100.0%	0		7.36s	1,416	495	1,368
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
Kimi K3	3.0	10.0	0.0%	0		0ms	0	0	0
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
Kimi K3	3.0	10.0	0.0%	0		19.67s	465	288	1,284
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 Kimi K3maxvsGPT-5 Minimedium Kimi K3maxvsGLM 5medium Kimi K3maxvsGPT-5.4medium Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsGLM 5.2medium Kimi K3maxvsGPT-5.2medium Claude Opus 4.7mediumvsKimi K3max Kimi K3maxvsGrok 4.5medium DeepSeek V4 FlashhighvsStep 3.7 Flashmedium Muse Spark 1.1lowvsKimi K3max