Google: Gemini 3.5 Flash vs StepFun: Step 3.5 Flash

Gemini 3.5 Flash (high) 平均分领先，为 9.5 vs 6.0。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.108 vs $1.976。 Gemini 3.5 Flash (high) 更快，为 15.07s vs 174.22s，通过率为 93.9% vs 51.5%。

推荐模型Gemini 3.5 Flash (high)它在这里得分最高（9.5），同时响应速度比Step 3.5 Flash (medium)快约 11.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01

指标	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01
分数	9.5	6.0
排名	#2	#126
可靠性	10.0	9.2
一致性	9.3	9.0
测试正确
尝试通过率	93.9%	51.5%
不稳定测试	2	1
总运行次数	66	63
每个结果成本	9.879	0.540
总成本	$1.976	$0.108
输入价格	$1.500 / 1M	$0.100 / 1M
输出价格	$9.000 / 1M	$0.300 / 1M
总输入令牌	107,137	65,707
输出令牌	8,777	108,561
推理令牌	192,900	293,993
响应时间（平均）	15.07s	174.22s
响应时间（最大）	145.92s	1597.85s
响应时间（总计）	331.48s	2613.32s

Hamster playing table tennis

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

#2 Gemini 3.5 Flash

high

成本: $0.208
时间: 118.2s
令牌: 23,158 tok

#126 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 3.5 Flash	10.0	10.0	100.0%	0		2.57s	492	174	4,997
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 3.5 Flash	10.0	10.0	100.0%	0		22.96s	8,118	456	47,129
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 3.5 Flash	8.2	6.9	66.7%	1		84.14s	82,416	7,153	93,585
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 3.5 Flash	10.0	10.0	100.0%	0		6.43s	7,548	279	8,466
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 3.5 Flash	7.6	7.2	77.8%	1		14.09s	633	12	24,721
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 3.5 Flash	10.0	10.0	100.0%	0		3.63s	486	115	1,650
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 3.5 Flash	10.0	10.0	100.0%	0		3.35s	615	70	3,799
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 3.5 Flash	10.0	10.0	100.0%	0		3.23s	558	241	4,940
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 3.5 Flash	9.8	10.0	100.0%	0		4.96s	6,115	265	1,608
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 3.5 Flash	10.0	10.0	100.0%	0		3.94s	156	12	2,005
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