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 3.5 Flash vs StepFun: Step 3.7 Flash

摘要

Gemini 3.5 Flash vs Step 3.7 Flash benchmark 对比：Gemini 3.5 Flash 平均分领先，为 9.1 vs 7.7。 Step 3.7 Flash benchmark 成本更低，为 $0.341 vs $0.582。 Gemini 3.5 Flash 更快，为 4.94s vs 15.74s，通过率为 87.3% vs 68.3%。

推荐模型: Gemini 3.5 Flash - 它在这里得分最高（9.1），同时响应速度比Step 3.7 Flash快约 3.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-17

指标 Gemini 3.5 Flash Gemini 3.5 Flash medium 发布日期: 2026-05-19 Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29
分数 9.1 7.7
排名 #8 #39
可靠性 10.0 10.0
一致性 9.6 8.4
测试正确
尝试通过率 87.3% 68.3%
不稳定测试 1 4
总运行次数 63 63
每个结果成本 3.229 2.840
总成本 $0.582 $0.341
输入价格 $1.500 / 1M $0.200 / 1M
输出价格 $9.000 / 1M $1.150 / 1M
总输入令牌 36,936 40,101
输出令牌 2,001 289,325
推理令牌 56,408 0
响应时间（平均） 4.94s 15.74s
响应时间（最大） 18.07s 124.75s
响应时间（总计） 103.79s 330.63s

Generation showcase

Hamster playing table tennis

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

#8 Gemini 3.5 Flash

medium
Cost
$0.201
Time
112.9s
Tokens
22,371 tok

#39 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
25.3s
Tokens
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

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 2.09s 492 171 3,385
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 3.5 Flash 7.9 7.5 77.8% 1 12.63s 8,118 461 24,939
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 3.5 Flash 10.0 10.0 100.0% 0 12.05s 12,873 351 7,807
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 3.5 Flash 10.0 10.0 100.0% 0 4.07s 7,548 279 3,784
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 3.5 Flash 7.7 10.0 66.7% 0 5.24s 633 12 8,047
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 3.5 Flash 10.0 10.0 100.0% 0 2.52s 486 115 1,144
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 3.5 Flash 9.9 10.0 100.0% 0 2.70s 615 71 2,855
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 3.5 Flash 7.7 10.0 66.7% 0 2.38s 558 295 2,747
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 3.5 Flash 10.0 10.0 100.0% 0 3.81s 5,457 234 455
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 3.5 Flash 10.0 10.0 100.0% 0 2.75s 156 12 1,245
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

Claude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6medium免费可用vsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowQwen3.6 PlusmediumvsStep 3.7 Flashlow