AI BENCHY 对比
Google: Gemini 3 Flash Preview vs StepFun: Step 3.5 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Gemini 3 Flash Preview Gemini 3 Flash Preview medium | Step 3.5 Flash Step 3.5 Flash none |
|---|---|---|
| 分数 | 9.8 | 7.8 |
| 排名 | #1 | #32 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 98.3% | 66.7% |
| 不稳定测试 | 1 | 0 |
| 总运行次数 | 60 | 36 |
| 每个结果成本 | 2.985 | 0.328 |
| 总成本 | $0.567 | $0.020 |
| ???? | $0.500 / 1M | $0.090 / 1M |
| ???? | $3.000 / 1M | $0.300 / 1M |
| 输出令牌 | 2,009 | 64,795 |
| 推理令牌 | 181,315 | 0 |
| 响应时间（平均） | 16.72s | 39.03s |
| 响应时间（最大） | 117.26s | 114.12s |
| 响应时间（总计） | 334.36s | 312.26s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 3.88s | 330 | 3,216 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 34.99s | 21,766 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 7.9 | 6.4 | 83.3% | 1 | 95.96s | 456 | 127,964 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 22.42s | 351 | 10,485 | |
| Step 3.5 Flash | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 5.43s | 279 | 4,893 | |
| Step 3.5 Flash | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 15.27s | 12 | 21,684 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 34.54s | 7,389 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 5.19s | 72 | 1,905 | |
| Step 3.5 Flash | 4.0 | 10.0 | 0.0% | 0 | 14.37s | 2,451 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 4.04s | 72 | 2,709 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 9.30s | 1,427 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 5.48s | 192 | 4,647 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 12.60s | 234 | 1,487 | |
| Step 3.5 Flash | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 5.50s | 11 | 2,325 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 114.12s | 31,762 | 0 |
快速对比
切换对比组合
Gemini 3 Flash PreviewmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsQwen3.7 MaxnoneGemini 3 Flash PreviewmediumvsGPT-5.2 ChatnoneGemini 3 Flash PreviewmediumvsGPT-5.3 ChatnoneDeepSeek V4 Flashhigh免费可用vsGemini 3 Flash PreviewmediumGemini 3 Flash PreviewmediumvsRing-2.6-1TnoneGemini 3 Flash PreviewmediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6nonevsGemini 3 Flash PreviewmediumDeepSeek V4 ProhighvsGemini 3 Flash PreviewmediumGemini 3 Flash PreviewmediumvsGrok Build 0.1noneGemini 3 Flash PreviewmediumvsGPT-5.5noneGemini 3 Flash PreviewmediumvsQwen3.5 Plus 2026-02-15none