Google: Gemini 3.5 Flash-Lite vs StepFun: Step 3.7 Flash

Step 3.7 Flash (high) 平均分领先，为 6.9 vs 6.7。 Gemini 3.5 Flash-Lite (low) benchmark 成本更低，为 $0.145 vs $1.207。 Gemini 3.5 Flash-Lite (low) 更快，为 2.25s vs 64.68s，通过率为 66.7% vs 63.6%。

推荐模型Gemini 3.5 Flash-Lite (low)它的得分接近这里的最高分（6.7 vs 6.9），同时成本比Step 3.7 Flash (high)低约 8.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-21

指标	Gemini 3.5 Flash-Lite Gemini 3.5 Flash-Lite low 发布日期: 2026-07-21	Step 3.7 Flash Step 3.7 Flash high 发布日期: 2026-05-29

指标	Gemini 3.5 Flash-Lite Gemini 3.5 Flash-Lite low 发布日期: 2026-07-21	Step 3.7 Flash Step 3.7 Flash high 发布日期: 2026-05-29
分数	6.7	6.9
排名	#95	#90
可靠性	10.0	10.0
一致性	8.2	8.0
测试正确
尝试通过率	66.7%	63.6%
不稳定测试	5	5
总运行次数	66	66
每个结果成本	1.201	10.973
总成本	$0.145	$1.207
输入价格	$0.300 / 1M	$0.200 / 1M
输出价格	$2.500 / 1M	$1.150 / 1M
总输入令牌	144,622	98,691
输出令牌	15,302	1,032,395
推理令牌	24,971	0
响应时间（平均）	2.25s	64.68s
响应时间（最大）	13.50s	364.99s
响应时间（总计）	49.58s	1423.01s

Hamster playing table tennis

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

#95 Gemini 3.5 Flash-Lite

low

成本: $0.008
时间: 7.7s
令牌: 3,056 tok

#90 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

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-Lite	10.0	10.0	100.0%	0		1.30s	516	278	4,147
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 3.5 Flash-Lite	4.1	7.9	11.1%	1		672ms	8,136	463	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 3.5 Flash-Lite	6.3	5.8	66.7%	1		8.96s	120,017	13,542	5,573
Step 3.7 Flash	8.7	6.9	83.3%	1		41.23s	73,938	49,842	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 3.5 Flash-Lite	10.0	10.0	100.0%	0		657ms	7,269	287	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 3.5 Flash-Lite	3.6	7.2	22.2%	1		3.63s	651	17	7,901
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 3.5 Flash-Lite	6.1	3.1	66.7%	1		1.71s	492	92	1,079
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 3.5 Flash-Lite	9.8	10.0	100.0%	0		869ms	627	70	1,093
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 3.5 Flash-Lite	7.8	10.0	66.7%	0		1.22s	576	215	2,121
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 3.5 Flash-Lite	9.8	10.0	100.0%	0		1.76s	6,176	328	340
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 3.5 Flash-Lite	4.7	1.6	66.7%	1		3.38s	162	10	2,717
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

GPT-5.5nonevsStep 3.7 Flashhigh Gemini 3.5 Flash-LitelowvsKAT-Coder-Pro V2.5none Qwen3.6 FlashmediumvsStep 3.7 Flashhigh Gemini 3.5 Flash-LitelowvsQwen3.6 35B A3Bmedium Step 3.7 FlashhighvsMiMo-V2.5-Promedium Gemini 3.5 FlashminimalvsStep 3.7 Flashhigh GPT-5.6 SolnonevsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashhigh Gemini 3.5 Flash-LitelowvsGLM 5.2none Gemini 3.5 Flash-LitelowvsLongCat 2.0high Seed-2.0-MinimediumvsStep 3.7 Flashhigh