AI BENCHY 对比

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

摘要

Gemini 3.1 Flash Lite Preview (medium) 平均分领先，为 7.8 vs 7.7。 Gemini 3.1 Flash Lite Preview (medium) benchmark 成本更低，为 $0.068 vs $0.341。 Gemini 3.1 Flash Lite Preview (medium) 更快，为 3.96s vs 15.74s，通过率为 61.9% vs 68.3%。

推荐模型Gemini 3.1 Flash Lite Preview (medium)它在这里得分最高（7.8），同时成本比Step 3.7 Flash (low)低约 5.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium 发布日期: 2026-03-03	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29

指标	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium 发布日期: 2026-03-03	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29
分数	7.8	7.7
排名	#42	#51
可靠性	10.0	10.0
一致性	10.0	8.4
测试正确
尝试通过率	61.9%	68.3%
不稳定测试	0	4
总运行次数	63	63
每个结果成本	0.523	2.840
总成本	$0.068	$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	37,786	40,101
输出令牌	2,210	289,325
推理令牌	36,744	0
响应时间（平均）	3.96s	15.74s
响应时间（最大）	14.93s	124.75s
响应时间（总计）	83.06s	330.63s

生成展示

Hamster playing table tennis

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

#42 Gemini 3.1 Flash Lite Preview

medium

成本: $0.003
时间: 5.2s
令牌: 1,944 tok

#51 Step 3.7 Flash

low

无效SVG

成本: $0.004
时间: 25.3s
令牌: 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

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	9.1	10.0	75.0%	0		2.33s	512	570	4,305
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 Preview	5.5	10.0	33.3%	0		4.09s	8,126	461	8,597
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 Preview	10.0	10.0	100.0%	0		14.93s	13,403	327	7,347
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 Preview	10.0	10.0	100.0%	0		2.29s	7,362	279	2,952
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 Preview	3.0	10.0	0.0%	0		4.21s	639	18	5,325
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 Preview	10.0	10.0	100.0%	0		3.16s	488	96	1,488
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 Preview	10.0	10.0	100.0%	0		1.91s	621	72	2,121
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 Preview	7.7	10.0	66.7%	0		5.30s	566	141	1,896
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 Preview	10.0	10.0	100.0%	0		3.80s	5,909	234	912
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 Preview	3.0	10.0	0.0%	0		2.68s	160	12	1,801
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

GPT-5.6 LunahighvsStep 3.7 Flashlow Claude Opus 4.6mediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok 4.3medium KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Claude Opus 4.8lowvsGemini 3.1 Flash Lite Previewmedium Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow Kimi K2.6medium免费可用vsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 Terralow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 Lunahigh