AI BENCHY Compare

StepFun: Step 3.7 Flash vs Xiaomi: MiMo-V2-Omni

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

Метрика	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29	MiMo-V2-Omni MiMo-V2-Omni medium Релиз: 2026-03-18

Метрика	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29	MiMo-V2-Omni MiMo-V2-Omni medium Релиз: 2026-03-18
Оценка	7.1	6.9
Ранг	#74	#81
Надежность	10.0	10.0
Стабильность	8.2	8.7
Тестов верно
Доля успешных попыток	65.8%	58.3%
Нестабильные тесты	4	3
Всего запусков	60	52
Стоимость за результат	8.723	7.334
Общая стоимость	$0.960	$0.734
Цена входа	$0.200 / 1M	$0.400 / 1M
Цена выхода	$1.150 / 1M	$2.000 / 1M
Выходные токены	828,084	1,952
Токены рассуждений	0	357,306
Время ответа (среднее)	49.43s	41.16s
Время ответа (макс.)	192.75s	299.23s
Время ответа (суммарно)	988.58s	823.26s

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
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	42,656	0
MiMo-V2-Omni	10.0	10.0	100.0%	0		2.75s	269	1,701

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.7 Flash	3.6	4.6	25.0%	1		126.82s	164,069	0
MiMo-V2-Omni	3.4	4.8	16.7%	1		183.89s	292	174,314

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.7 Flash	10.0	10.0	100.0%	0		13.01s	8,802	0
MiMo-V2-Omni	10.0	10.0	100.0%	0		25.87s	380	8,673

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	23,113	0
MiMo-V2-Omni	10.0	10.0	100.0%	0		3.04s	155	591

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	410,502	0
MiMo-V2-Omni	3.0	10.0	0.0%	0		47.89s	155	68,398

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	2,862	0
MiMo-V2-Omni	5.4	2.5	66.7%	1		3.61s	136	492

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	2,010	0
MiMo-V2-Omni	8.3	10.0	50.0%	0		4.99s	49	515

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	25,422	0
MiMo-V2-Omni	5.9	7.2	55.6%	1		2.38s	210	860

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	1,172	0
MiMo-V2-Omni	10.0	10.0	100.0%	0		13.98s	303	3,461

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	147,476	0
MiMo-V2-Omni	3.0	10.0	0.0%	0		234.19s	3	98,301

Быстрое сравнение

Сменить пару сравнения

GPT-5 MinimediumvsStep 3.7 Flashhigh GPT-5.4 NanomediumvsStep 3.7 Flashhigh Seed-2.0-MinimediumvsStep 3.7 Flashhigh Qwen3.6 Max PreviewnonevsStep 3.7 Flashhigh Claude Opus 4.6mediumvsStep 3.7 Flashhigh DeepSeek V4 ProhighvsMiMo-V2-Omnimedium Step 3.7 FlashhighvsMiMo-V2-Flashmedium Ring-2.6-1TnonevsStep 3.7 Flashhigh Ring-2.6-1TmediumvsStep 3.7 Flashhigh Claude Sonnet 4.6nonevsMiMo-V2-Omnimedium Qwen3.5-35B-A3BmediumvsStep 3.7 Flashhigh Claude Sonnet 4.6nonevsStep 3.7 Flashhigh