StepFun: Step 3.7 Flash vs Thinking Machines: Inkling

平均スコアは 8.0 vs 8.0 でほぼ同等です。 Step 3.7 Flash (medium) の benchmark コストが低く、$0.515 vs $1.006 です。 Step 3.7 Flash (medium) の方が高速で、26.37s vs 64.16s です、成功率は 72.7% vs 77.3% です。

おすすめモデルStep 3.7 Flash (medium)ここでは最高スコア（8.0）で、Inkling (high) より約 2.0 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: 2026-07-18

指標	Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29	Inkling Inkling high リリース: 2026-07-18

指標	Step 3.7 Flash Step 3.7 Flash medium リリース: 2026-05-29	Inkling Inkling high リリース: 2026-07-18
スコア	8.0	8.0
順位	#29	#28
信頼性	9.9	9.8
一貫性	8.9	8.9
正解テスト
試行ごとの合格率	72.7%	77.3%
不安定なテスト	3	3
総実行回数	64	66
結果あたりのコスト	3.676	6.704
合計コスト	$0.515	$1.006
入力価格	$0.200 / 1M	$1.000 / 1M
出力価格	$1.150 / 1M	$4.050 / 1M
合計入力トークン	114,062	86,746
出力トークン	427,572	6,055
推論トークン	0	220,791
応答時間（平均）	26.37s	64.16s
応答時間（最大）	152.83s	327.51s
応答時間（合計）	580.25s	1411.59s

Hamster playing table tennis

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

#29 Step 3.7 Flash

medium

コスト: $0.006
時間: 46.2s
トークン: 4,466 tok

#28 Thinking Machines: Inkling

high

コスト: $0.005
時間: 32.2s
トークン: 1,275 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
Step 3.7 Flash	8.7	7.9	91.7%	1		9.65s	756	32,185	0
Inkling	10.0	10.0	100.0%	0		12.68s	702	455	7,204

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
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	0
Inkling	8.5	10.0	66.7%	0		148.36s	7,374	430	78,982

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
Step 3.7 Flash	7.3	5.8	83.3%	1		80.94s	87,764	114,720	0
Inkling	7.3	5.8	83.3%	1		63.78s	61,296	3,854	19,895

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
Step 3.7 Flash	10.0	10.0	100.0%	0		2.75s	7,398	3,020	0
Inkling	10.0	10.0	100.0%	0		8.19s	7,068	216	2,349

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
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	0
Inkling	7.7	10.0	66.7%	0		186.39s	683	59	76,777

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
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	0
Inkling	10.0	10.0	100.0%	0		6.53s	501	182	1,151

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
Step 3.7 Flash	9.8	10.0	100.0%	0		1.83s	735	2,166	0
Inkling	9.8	10.0	100.0%	0		7.00s	708	93	2,098

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
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	15,071	0
Inkling	6.9	4.9	77.8%	2		10.69s	714	429	4,623

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
Step 3.7 Flash	10.0	10.0	100.0%	0		4.16s	7,746	2,115	0
Inkling	3.0	10.0	0.0%	0		6.52s	7,481	307	601

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
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0
Inkling	3.0	10.0	0.0%	0		153.57s	219	30	27,111

クイック比較

比較ペアを切り替え

GPT-5.2 ChatnonevsStep 3.7 Flashmedium GPT-5.2 ChatnonevsInklinghigh Step 3.7 FlashmediumvsGLM 5.2high Muse Spark 1.1highvsStep 3.7 Flashmedium GPT-5 MinimediumvsInklinghigh Kimi K3maxvsStep 3.7 Flashmedium GPT-5.6 TerrahighvsStep 3.7 Flashmedium Kimi K3maxvsInklinghigh Seed-2.0-LitemediumvsInklinghigh Qwen3.7 PlusmediumvsInklinghigh Gemini 2.5 FlashmediumvsInklinghigh Qwen3.6 PlusmediumvsInklinghigh