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：Step 3.7 Flash 平均分领先，为 7.1 vs 6.1。 Gemini 3.1 Flash Lite benchmark 成本更低，为 $0.013 vs $1.148。 Gemini 3.1 Flash Lite 更快，为 1.33s vs 64.46s，通过率为 54.0% vs 63.5%。

推荐模型: Gemini 3.1 Flash Lite - 它提供了最佳整体取舍：得分有竞争力（6.1），成本低于Step 3.7 Flash，响应时间也较均衡。

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 minimal 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 6.1 7.1
排名 #94 #63
可靠性 10.0 10.0
一致性 8.8 8.2
测试正确
尝试通过率 54.0% 63.5%
不稳定测试 3 4
总运行次数 63 63
每个结果成本 0.130 10.434
总成本 $0.013 $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 36,973 38,391
输出令牌 2,487 991,355
推理令牌 0 0
响应时间（平均） 1.33s 64.46s
响应时间（最大） 4.49s 364.99s
响应时间（总计） 27.91s 1353.57s

生成展示

Hamster playing table tennis

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

#94 Gemini 3.1 Flash Lite

minimal
成本
$0.001
时间
3.7s
令牌
635 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 8.3 10.0 75.0% 0 1.10s 500 639 0
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 831ms 8,126 666 0
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 3.0 10.0 0.0% 0 2.53s 12,870 357 0
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 1.04s 7,552 279 0
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 1.02s 641 15 0
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 4.0 10.0 0.0% 0 791ms 490 63 0
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 10.0 10.0 100.0% 0 932ms 615 72 0
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 6.0 4.6 66.7% 2 2.15s 564 153 0
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 3.51s 5,457 234 0
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 724ms 158 9 0
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 5.1mediumGemini 3.1 Flash LiteminimalvsQwen3.5-FlashnoneStep 3.7 FlashhighvsGLM 5.2noneSeed-2.0-LitenonevsGemini 3.1 Flash LiteminimalQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemini 3.1 Flash LiteminimalvsNemotron 3 Ultra 550b A55bnone免费可用Gemma 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 FlashhighGemini 3.1 Flash LiteminimalvsGPT-5.5none