导航
AI BENCHY
Advertise here

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 7.7。 Gemini 3.1 Flash Lite benchmark 成本更低，为 $0.071 vs $0.341。 Gemini 3.1 Flash Lite 更快，为 3.23s vs 15.74s，通过率为 65.1% vs 68.3%。

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 4.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

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 low 发布日期: 2026-05-29
分数 7.8 7.7
排名 #37 #42
可靠性 10.0 10.0
一致性 9.2 8.4
测试正确
尝试通过率 65.1% 68.3%
不稳定测试 2 4
总运行次数 63 63
每个结果成本 0.539 2.840
总成本 $0.071 $0.341
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 40,101
输出令牌 2,254 289,325
推理令牌 38,300 0
响应时间（平均） 3.23s 15.74s
响应时间（最大） 10.87s 124.75s
响应时间（总计） 67.80s 330.63s

Generation showcase

Hamster playing table tennis

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

#37 Gemini 3.1 Flash Lite

medium
Cost
$0.003
Time
5.3s
Tokens
1,754 tok

#42 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
Gemini 3.1 Flash Lite 9.1 10.0 75.0% 0 2.39s 502 604 4,201
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
Gemini 3.1 Flash Lite 5.5 10.0 33.3% 0 3.81s 8,134 459 8,978
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
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 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
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 2.60s 7,362 279 2,845
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
Gemini 3.1 Flash Lite 2.9 7.2 11.1% 1 3.16s 643 15 5,165
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
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 2.60s 488 84 1,142
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
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 1.58s 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
Gemini 3.1 Flash Lite 7.6 7.2 77.8% 1 1.95s 568 165 2,450
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
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 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
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% 0 124.75s 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 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowQwen3.6 PlusmediumvsStep 3.7 FlashlowKimi K2.5mediumvsStep 3.7 FlashlowMercury 2mediumvsStep 3.7 Flashlow