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：: 2026-06-03
| 指标 | Gemini 3 Flash Preview Gemini 3 Flash Preview none | Step 3.5 Flash Step 3.5 Flash medium |
|---|---|---|
| 分数 | 7.7 | 7.4 |
| 排名 | #39 | #55 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 9.4 |
| 测试正确 | ||
| 尝试通过率 | 70.0% | 59.7% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 60 | 57 |
| 每个结果成本 | 0.175 | 0.133 |
| 总成本 | $0.023 | $0.062 |
| 输入价格 | $0.500 / 1M | $0.090 / 1M |
| 输出价格 | $3.000 / 1M | $0.300 / 1M |
| 总输入令牌 | 34,008 | 33,555 |
| 输出令牌 | 1,879 | 90,478 |
| 推理令牌 | 0 | 173,544 |
| 响应时间（平均） | 1.70s | 43.20s |
| 响应时间（最大） | 3.56s | 170.45s |
| 响应时间（总计） | 22.05s | 561.54s |
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 Flash Preview | 8.3 | 10.0 | 75.0% | 0 | 1.25s | 498 | 214 | 0 | |
| 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 Flash Preview | 6.8 | 10.0 | 50.0% | 0 | 2.19s | 5,119 | 447 | 0 | |
| Step 3.5 Flash | 3.5 | 7.8 | 0.0% | 0 | 62.83s | 1,335 | 12,098 | 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 Flash Preview | 4.7 | 1.6 | 66.7% | 1 | 3.56s | 12,862 | 350 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 13,638 | 1,176 | 12,984 |
| 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 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 1.41s | 7,263 | 279 | 0 | |
| 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 Flash Preview | 7.7 | 10.0 | 66.7% | 0 | 963ms | 643 | 18 | 0 | |
| 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 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 1.13s | 490 | 104 | 0 | |
| 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 Flash Preview | 6.4 | 5.8 | 66.7% | 1 | 1.58s | 619 | 74 | 0 | |
| 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 Flash Preview | 7.7 | 10.0 | 66.7% | 0 | 1.05s | 574 | 144 | 0 | |
| 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 Flash Preview | 10.0 | 10.0 | 100.0% | 0 | 3.35s | 5,784 | 234 | 0 | |
| 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 Flash Preview | 3.0 | 10.0 | 0.0% | 0 | 1.07s | 156 | 15 | 0 | |
| 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
Gemini 3 Flash PreviewnonevsGrok Build 0.1mediumGemini 3 Flash PreviewnonevsQwen3.6 FlashmediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumDeepSeek V4 FlashhighvsGemini 3 Flash PreviewnoneGemini 3 Flash PreviewnonevsMiMo-V2.5-PromediumGemini 3 Flash PreviewnonevsQwen3.5-FlashmediumGemini 3.1 Flash LitelowvsStep 3.5 FlashmediumGemini 3 Flash PreviewnonevsQwen3.5-122B-A10BmediumGemini 3 Flash PreviewnonevsMimo V2 PROmediumClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewnoneGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumGemini 3 Flash PreviewnonevsQwen3.6 Plusmedium