AI BENCHY Compare

Google: Gemini 3.1 Pro Preview vs StepFun: Step 3.7 Flash

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-29

Метрика	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Релиз: 2026-02-19	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29

Метрика	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Релиз: 2026-02-19	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29
Оценка	9.3	7.4
Ранг	#4	#60
Надежность	10.0	10.0
Стабильность	10.0	8.7
Тестов верно
Доля успешных попыток	90.0%	68.3%
Нестабильные тесты	0	3
Всего запусков	60	60
Стоимость за результат	5.587	2.796
Общая стоимость	$1.006	$0.336
Цена входа	$2.000 / 1M	$0.200 / 1M
Цена выхода	$12.000 / 1M	$1.150 / 1M
Выходные токены	1,971	285,209
Токены рассуждений	75,384	0
Время ответа (среднее)	20.77s	16.06s
Время ответа (макс.)	88.68s	124.75s
Время ответа (суммарно)	269.96s	321.11s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0		7.90s	112	3,218
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	10,896	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Gemini 3.1 Pro Preview	7.0	9.8	50.0%	0		54.28s	429	37,735
Step 3.7 Flash	10.0	10.0	100.0%	0		9.43s	14,569	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Gemini 3.1 Pro Preview	9.5	10.0	100.0%	0		40.61s	432	9,281
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	6,426	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0		7.72s	279	3,904
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	2,667	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Gemini 3.1 Pro Preview	7.7	10.0	66.7%	0		32.73s	18	12,424
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	104,487	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0		11.77s	108	1,179
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	4,604	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0		9.56s	72	2,236
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	1,857	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0		6.90s	235	3,128
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	3,564	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0		23.15s	274	982
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	1,360	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0		6.27s	12	1,297
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	134,779	0

Быстрое сравнение

Сменить пару сравнения

Kimi K2.6mediumБесплатно доступноvsStep 3.7 Flashlow Step 3.7 FlashlowvsMiMo-V2.5medium GPT-5.3 ChatnonevsStep 3.7 Flashlow Step 3.7 FlashlowvsGLM 5V Turbomedium Step 3.7 FlashlowvsGLM 5.1medium GPT-5.2mediumvsStep 3.7 Flashlow GPT-5.4 MinimediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewnonevsStep 3.7 Flashlow Claude Opus 4.8nonevsStep 3.7 Flashlow DeepSeek V3.2mediumvsStep 3.7 Flashlow Qwen3.5-35B-A3BmediumvsStep 3.7 Flashlow Ring-2.6-1TmediumvsStep 3.7 Flashlow