- 排名
- #117
- 总输出令牌
- 16,454
- 响应时间（平均）
- 2.65s
- 总成本
- $0.300
Gemini 3.5 Flash (minimal) vs Step 3.7 Flash (high)
平均分几乎持平，为 6.8 vs 6.9。 Gemini 3.5 Flash (minimal) benchmark 成本更低，为 $0.300 vs $1.207。 Gemini 3.5 Flash (minimal) 更快，为 2.65s vs 64.68s，通过率为 65.2% vs 63.6%。
- 排名
- #114
- 总输出令牌
- 1,032,395
- 响应时间（平均）
- 64.68s
- 总成本
- $1.207
推荐模型
Gemini 3.5 Flash (minimal)
它在这里得分最高（6.8），同时成本比Step 3.7 Flash (high)低约 4.0 倍。
详细对比
| 指标 | Gemini 3.5 Flash Gemini 3.5 Flash minimal | Step 3.7 Flash Step 3.7 Flash high |
|---|---|---|
| 分数 | 6.8 | 6.9 |
| 排名 | #117 | #114 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 8.0 |
| 基准测试覆盖率 | 22/22 项测试 · 66/66 次尝试 | 22/22 项测试 · 66/66 次尝试 |
| 测试正确 | ||
| 尝试通过率 | 65.2% | 63.6% |
| 不稳定测试 | 1 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 2.138 | 10.973 |
| 总成本 | $0.300 | $1.207 |
| 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 | 100,753 | 98,691 |
| 输出令牌 | 16,454 | 1,032,395 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.65s | 64.68s |
| 响应时间（最大） | 25.26s | 364.99s |
| 响应时间（总计） | 58.27s | 1423.01s |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#117 Gemini 3.5 Flash
minimal- 成本
- $0.041
- 时间
- 20.4s
- 令牌
- 4,608 tok
#114 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
| 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 | 6.5 | 10.0 | 50.0% | 0 | 892ms | 492 | 405 | 0 | |
| 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 | 5.6 | 9.9 | 33.3% | 0 | 2.75s | 8,122 | 3,456 | 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 | 3.0 | 10.0 | 0.0% | 0 | 14.41s | 76,686 | 11,581 | 0 | |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 1.66s | 7,548 | 279 | 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 | 10.0 | 10.0 | 100.0% | 0 | 899ms | 633 | 12 | 0 | |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 922ms | 486 | 117 | 0 | |
| 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 | 6.4 | 5.8 | 66.7% | 1 | 893ms | 615 | 76 | 0 | |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 1.45s | 558 | 282 | 0 | |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 2.79s | 5,457 | 234 | 0 | |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 1.76s | 156 | 12 | 0 | |
| 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 FlashhighQwen3.6 FlashmediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsSolar Pro 4lowGemini 3.5 FlashminimalvsSolar Pro 4lowStep 3.7 FlashhighvsMiMo-V2.5-PromediumGemini 3.5 FlashminimalvsGPT-5.5noneGPT-5.6 SolnonevsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashminimalvsQwen3.6 FlashmediumStep 3.7 FlashhighvsSolar Pro 4mediumGemini 3.5 FlashminimalvsMiMo-V2.5-PromediumKAT-Coder-Pro V2.5mediumvsStep 3.7 Flashhigh