- 排名
- #119
- 总输出令牌
- 128,787
- 响应时间（平均）
- 68.43s
- 总成本
- $0.078
DeepSeek V3.2 (medium) vs Step 3.7 Flash (low)
Step 3.7 Flash (low) 平均分领先，为 7.1 vs 7.0。 DeepSeek V3.2 (medium) benchmark 成本更低，为 $0.078 vs $0.390。 Step 3.7 Flash (low) 更快，为 17.87s vs 68.43s，通过率为 65.2% vs 63.6%。
- 排名
- #115
- 总输出令牌
- 320,393
- 响应时间（平均）
- 17.87s
- 总成本
- $0.390
推荐模型
DeepSeek V3.2 (medium)
它的得分接近这里的最高分（7.0 vs 7.1），同时成本比Step 3.7 Flash (low)低约 5.0 倍。
详细对比
| 指标 | DeepSeek V3.2 DeepSeek V3.2 medium | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| 分数 | 7.0 | 7.1 |
| 排名 | #119 | #115 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.4 | 8.1 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 65.2% | 63.6% |
| 不稳定测试 | 7 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 0.672 | 3.539 |
| 总成本 | $0.078 | $0.390 |
| 输入价格 | $0.269 / 1M | $0.200 / 1M |
| 输出价格 | $0.400 / 1M | $1.150 / 1M |
| 总输入令牌 | 101,056 | 103,842 |
| 输出令牌 | 11,832 | 320,393 |
| 推理令牌 | 116,955 | 0 |
| 响应时间（平均） | 68.43s | 17.87s |
| 响应时间（最大） | 376.10s | 124.75s |
| 响应时间（总计） | 1505.53s | 393.04s |
| 参数量 | 671B 总计 (37B 激活) | 198B 总计 (11B 激活) |
| 开放状态 | 开源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#119 DeepSeek V3.2
medium- 成本
- $0.001
- 时间
- 53.6s
- 令牌
- 1,932 tok
#115 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 8.2 | 7.9 | 83.3% | 1 | 24.23s | 448 | 3,247 | 6,953 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 6.0 | 7.2 | 55.6% | 1 | 248.68s | 5,717 | 649 | 52,014 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.3 | 5.8 | 83.3% | 1 | 79.92s | 76,997 | 5,219 | 24,229 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 66.18s | 77,415 | 93,682 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 36.09s | 7,388 | 207 | 7,693 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 2.9 | 4.4 | 22.2% | 2 | 22.94s | 481 | 19 | 6,779 | |
| Step 3.7 Flash | 2.9 | 7.2 | 11.1% | 1 | 22.65s | 837 | 48,299 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.4 | 2.5 | 33.3% | 1 | 58.29s | 314 | 49 | 2,189 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 35.78s | 627 | 1,397 | 2,845 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.0 | 7.2 | 55.6% | 1 | 37.69s | 594 | 518 | 6,375 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 34.81s | 8,307 | 507 | 859 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 83.99s | 183 | 20 | 7,019 | |
| 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
DeepSeek V3.2mediumvsGPT-5.6 SolnoneDeepSeek V3.2mediumvsGPT-5.5noneQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsSolar Pro 4highMuse Glimmer 30BmediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowMuse Glimmer 30BhighvsStep 3.7 FlashlowDeepSeek V3.2mediumvsSolar Pro 4highStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.6 SolnonevsStep 3.7 FlashlowSeed-2.0-CodehighvsDeepSeek V3.2mediumKAT-Coder-Pro V2.5highvsStep 3.7 Flashlow