导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs StepFun: Step 3.7 Flash

摘要

Gemini 3.1 Flash Lite vs Step 3.7 Flash benchmark 对比：Gemini 3.1 Flash Lite 平均分领先，为 7.8 vs 7.1。 Gemini 3.1 Flash Lite benchmark 成本更低，为 $0.071 vs $1.148。 Gemini 3.1 Flash Lite 更快，为 3.23s vs 64.46s，通过率为 65.1% vs 63.5%。

推荐模型: Gemini 3.1 Flash Lite - 它在这里得分最高（7.8），同时成本比Step 3.7 Flash低约 16.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite medium 发布日期: 2026-05-08 Step 3.7 Flash Step 3.7 Flash high 发布日期: 2026-05-29
分数 7.8 7.1
排名 #34 #63
可靠性 10.0 10.0
一致性 9.2 8.2
测试正确
尝试通过率 65.1% 63.5%
不稳定测试 2 4
总运行次数 63 63
每个结果成本 0.539 10.434
总成本 $0.071 $1.148
输入价格 $0.250 / 1M $0.200 / 1M
输出价格 $1.500 / 1M $1.150 / 1M
总输入令牌 36,808 38,391
输出令牌 2,254 991,355
推理令牌 38,300 0
响应时间（平均） 3.23s 64.46s
响应时间（最大） 10.87s 364.99s
响应时间（总计） 67.80s 1353.57s

生成展示

Hamster playing table tennis

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

#34 Gemini 3.1 Flash Lite

medium
成本
$0.003
时间
5.3s
令牌
1,754 tok

#63 Step 3.7 Flash

high
成本
$0.007
时间
63.6s
令牌
6,030 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
Gemini 3.1 Flash Lite 9.1 10.0 75.0% 0 2.39s 502 604 4,201
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 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
Gemini 3.1 Flash Lite 5.5 10.0 33.3% 0 3.81s 8,134 459 8,978
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 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
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 10.87s 12,873 327 7,401
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 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
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 2.60s 7,362 279 2,845
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 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
Gemini 3.1 Flash Lite 2.9 7.2 11.1% 1 3.16s 643 15 5,165
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 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
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 2.60s 488 84 1,142
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 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
Gemini 3.1 Flash Lite 9.9 10.0 100.0% 0 2.59s 623 75 3,320
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 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
Gemini 3.1 Flash Lite 7.6 7.2 77.8% 1 1.95s 568 165 2,450
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 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
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 4.55s 5,457 234 921
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 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
Gemini 3.1 Flash Lite 3.0 10.0 0.0% 0 3.08s 158 12 1,877
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

快速对比

切换对比组合

Step 3.7 FlashhighvsGLM 5.1mediumStep 3.7 FlashhighvsGLM 5.2noneGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemma 4 26B A4Bmedium免费可用vsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighDeepSeek V4 ProhighvsGemini 3.1 Flash LitemediumGemini 3 Flash PreviewnonevsStep 3.7 FlashhighClaude Sonnet 4.6nonevsStep 3.7 Flashhigh