导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Sonnet 5 vs StepFun: Step 3.7 Flash

摘要

Claude Sonnet 5 vs Step 3.7 Flash benchmark 对比：Claude Sonnet 5 平均分领先，为 7.9 vs 7.7。 Step 3.7 Flash benchmark 成本更低，为 $0.341 vs $0.550。 Claude Sonnet 5 更快，为 9.94s vs 15.74s，通过率为 79.4% vs 68.3%。

推荐模型: Step 3.7 Flash - 它的得分接近这里的最高分（7.7 vs 7.9），同时成本比Claude Sonnet 5低约 1.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-30

指标 Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30 Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29
分数 7.9 7.7
排名 #30 #41
可靠性 10.0 10.0
一致性 9.0 8.4
测试正确
尝试通过率 79.4% 68.3%
不稳定测试 3 4
总运行次数 63 63
每个结果成本 3.662 2.840
总成本 $0.550 $0.341
输入价格 $2.000 / 1M $0.200 / 1M
输出价格 $10.000 / 1M $1.150 / 1M
总输入令牌 67,416 40,101
输出令牌 34,012 289,325
推理令牌 7,673 0
响应时间（平均） 9.94s 15.74s
响应时间（最大） 56.94s 124.75s
响应时间（总计） 208.71s 330.63s

生成展示

Hamster playing table tennis

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

#30 Claude Sonnet 5

medium
成本
$0.007
时间
6.4s
令牌
832 tok

#41 Step 3.7 Flash

low
无效SVG
成本
$0.004
时间
25.3s
令牌
3,072 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 10.0 10.0 100.0% 0 3.80s 834 1,220 446
Step 3.7 Flash 8.7 7.9 91.7% 1 4.02s 756 10,896 0
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 9.0 7.9 88.9% 1 17.28s 10,590 13,153 2,379
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 4.5 2.1 66.7% 1 37.01s 29,394 4,848 2,170
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 0
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 10.0 10.0 100.0% 0 3.16s 10,503 312 0
Step 3.7 Flash 7.3 5.8 83.3% 1 2.29s 7,398 2,667 0
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 7.7 10.0 66.7% 0 20.38s 975 12,140 1,994
Step 3.7 Flash 5.3 7.2 44.4% 1 43.31s 828 104,487 0
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 4.8 3.2 33.3% 1 4.32s 708 264 0
Step 3.7 Flash 3.4 9.3 0.0% 0 7.00s 525 4,604 0
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 9.9 10.0 100.0% 0 3.10s 909 318 269
Step 3.7 Flash 9.8 10.0 100.0% 0 1.58s 735 1,857 0
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 7.7 10.0 66.7% 0 2.98s 894 407 121
Step 3.7 Flash 5.5 9.9 33.3% 0 1.84s 756 3,564 0
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 10.0 10.0 100.0% 0 10.70s 12,351 433 90
Step 3.7 Flash 10.0 10.0 100.0% 0 3.25s 7,746 1,360 0
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Sonnet 5 3.0 10.0 0.0% 0 7.06s 258 917 204
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

快速对比

切换对比组合

Claude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6medium免费可用vsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowQwen3.6 PlusmediumvsStep 3.7 Flashlow