导航
AI BENCHY
Advertise here

AI BENCHY 对比

DeepSeek: DeepSeek V4 Pro vs StepFun: Step 3.7 Flash

摘要

DeepSeek V4 Pro vs Step 3.7 Flash benchmark 对比：Step 3.7 Flash 平均分领先，为 7.7 vs 7.6。 DeepSeek V4 Pro benchmark 成本更低，为 $0.157 vs $0.341。 Step 3.7 Flash 更快，为 15.74s vs 77.20s，通过率为 66.7% vs 68.3%。

推荐模型: Step 3.7 Flash - 它在这里得分最高（7.7），同时响应速度比DeepSeek V4 Pro快约 4.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-17

指标 DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24 Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29
分数 7.6 7.7
排名 #41 #39
可靠性 9.3 10.0
一致性 7.0 8.4
测试正确
尝试通过率 66.7% 68.3%
不稳定测试 8 4
总运行次数 63 63
每个结果成本 1.742 2.840
总成本 $0.157 $0.341
输入价格 $0.435 / 1M $0.200 / 1M
输出价格 $0.870 / 1M $1.150 / 1M
总输入令牌 38,726 40,101
输出令牌 6,334 289,325
推理令牌 159,151 0
响应时间（平均） 77.20s 15.74s
响应时间（最大） 416.76s 124.75s
响应时间（总计） 1621.17s 330.63s

Generation showcase

Hamster playing table tennis

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

#41 DeepSeek V4 Pro

high
Cost
$0.023
Time
257.6s
Tokens
14,870 tok

#39 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
25.3s
Tokens
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 V4 Pro 5.7 5.9 58.3% 2 25.70s 536 149 3,214
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 V4 Pro 6.1 4.6 66.7% 2 243.00s 5,090 383 84,580
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 V4 Pro 10.0 10.0 100.0% 0 38.17s 14,060 454 5,836
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
DeepSeek V4 Pro 10.0 10.0 100.0% 0 25.03s 7,690 274 2,166
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 V4 Pro 3.6 7.2 22.2% 1 151.46s 569 4,404 50,391
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
DeepSeek V4 Pro 10.0 10.0 100.0% 0 8.83s 471 115 1,013
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 V4 Pro 7.8 6.6 83.3% 1 8.73s 627 66 2,726
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 V4 Pro 6.9 4.9 77.8% 2 56.85s 591 178 2,563
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 V4 Pro 9.8 10.0 100.0% 0 15.92s 8,909 295 701
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 V4 Pro 3.0 10.0 0.0% 0 34.01s 183 16 5,961
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 FlashlowDeepSeek V4 ProhighvsMiniMax M3mediumDeepSeek V4 ProhighvsGrok Build 0.1mediumStep 3.7 FlashlowvsGrok 4.3mediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6medium免费可用vsStep 3.7 FlashlowDeepSeek V4 ProhighvsKimi K2.5mediumDeepSeek V4 ProhighvsMercury 2mediumGemini 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 Flashlow