Google: Gemini 3.1 Flash Lite Preview vs StepFun: Step 3.5 Flash

Gemini 3.1 Flash Lite Preview (low) 平均分领先，为 6.5 vs 6.0。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.108 vs $0.646。 Gemini 3.1 Flash Lite Preview (low) 更快，为 16.70s vs 174.22s，通过率为 59.1% vs 51.5%。

推荐模型Gemini 3.1 Flash Lite Preview (low)它在这里得分最高（6.5），同时响应速度比Step 3.5 Flash (medium)快约 10.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview low 发布日期: 2026-03-03	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01

指标	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview low 发布日期: 2026-03-03	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01
分数	6.5	6.0
排名	#114	#141
可靠性	10.0	9.2
一致性	10.0	9.0
测试正确
尝试通过率	59.1%	51.5%
不稳定测试	0	1
总运行次数	66	63
每个结果成本	4.969	0.540
总成本	$0.646	$0.108
输入价格	$0.250 / 1M	$0.100 / 1M
输出价格	$1.500 / 1M	$0.300 / 1M
总输入令牌	110,185	65,707
输出令牌	14,717	108,561
推理令牌	397,483	293,993
响应时间（平均）	16.70s	174.22s
响应时间（最大）	309.35s	1597.85s
响应时间（总计）	367.47s	2613.32s

Hamster playing table tennis

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

#114 Gemini 3.1 Flash Lite Preview

low

成本: $0.002
时间: 3.7s
令牌: 1,203 tok

#141 Step 3.5 Flash

medium

成本: $0.008
时间: 277.1s
令牌: 23,695 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

类别:

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 Preview	8.3	10.0	75.0%	0		2.12s	506	462	1,638
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

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 Preview	5.5	10.0	33.3%	0		1.39s	8,138	660	1,060
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

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 Preview	3.0	10.0	0.0%	0		160.63s	85,851	12,656	389,079
Step 3.5 Flash	6.5	10.0	50.0%	0		813.71s	44,914	18,150	111,004

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 Preview	10.0	10.0	100.0%	0		3.00s	7,455	291	696
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

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 Preview	5.3	10.0	33.3%	0		2.36s	641	18	1,212
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

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 Preview	4.0	10.0	0.0%	0		1.54s	490	69	384
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

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 Preview	10.0	10.0	100.0%	0		1.49s	621	72	753
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

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 Preview	10.0	10.0	100.0%	0		1.69s	566	243	1,248
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

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 Preview	10.0	10.0	100.0%	0		9.54s	5,757	237	993
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

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 Preview	3.0	10.0	0.0%	0		1.35s	160	9	420
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

快速对比

切换对比组合

Gemini 3.1 Flash Lite PreviewlowvsQwen3.5-27Bnone Gemini 3.1 Flash Lite PreviewlowvsLaguna XS 2.1medium免费可用 Gemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5medium Nemotron 3 Ultranone免费可用vsStep 3.5 Flashmedium Qwen3.5-35B-A3BnonevsStep 3.5 Flashmedium Gemini 3.1 Flash Lite PreviewlowvsQwen3.6 27Bmedium Qwen3.5 Plus 2026-04-20nonevsStep 3.5 Flashmedium Qwen3.5-FlashnonevsStep 3.5 Flashmedium Qwen3.6 FlashnonevsStep 3.5 Flashmedium GPT-5.6 TerranonevsStep 3.5 Flashmedium Gemini 3.1 Flash Lite PreviewlowvsQwen3.5 Plus 2026-02-15none Step 3.5 FlashmediumvsInklinglow