AI BENCHY 对比
inclusionAI: Ring-2.6-1T vs StepFun: Step 3.7 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | Ring-2.6-1T Ring-2.6-1T medium | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| 分数 | 7.2 | 7.9 |
| 排名 | #69 | #32 |
| 可靠性 | 10.0 | 9.9 |
| 一致性 | 8.7 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 71.7% |
| 不稳定测试 | 3 | 2 |
| 总运行次数 | 60 | 58 |
| 每个结果成本 | 0.000 | 2.663 |
| 总成本 | $0.000 | $0.347 |
| 输入价格 | $0.075 / 1M | $0.200 / 1M |
| 输出价格 | $0.625 / 1M | $1.150 / 1M |
| 输出令牌 | 21,752 | 294,481 |
| 推理令牌 | 42,754 | 0 |
| 响应时间（平均） | 61.29s | 18.32s |
| 响应时间（最大） | 304.19s | 113.98s |
| 响应时间（总计） | 1164.50s | 366.45s |
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 |
|---|---|---|---|---|---|---|---|---|
| Ring-2.6-1T | 10.0 | 10.0 | 100.0% | 0 | 42.21s | 3,833 | 4,891 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 9.65s | 32,185 | 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 |
|---|---|---|---|---|---|---|---|---|
| Ring-2.6-1T | 10.0 | 10.0 | 100.0% | 0 | 59.65s | 1,369 | 3,985 | |
| Step 3.7 Flash | 8.2 | 6.7 | 83.3% | 1 | 10.64s | 19,320 | 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 |
|---|---|---|---|---|---|---|---|---|
| Ring-2.6-1T | 10.0 | 10.0 | 100.0% | 0 | 304.19s | 324 | 6,088 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 9.06s | 7,106 | 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 |
|---|---|---|---|---|---|---|---|---|
| Ring-2.6-1T | 6.5 | 10.0 | 50.0% | 0 | 37.36s | 840 | 1,937 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 3,020 | 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 |
|---|---|---|---|---|---|---|---|---|
| Ring-2.6-1T | 3.5 | 4.4 | 33.3% | 2 | 64.92s | 9,744 | 15,013 | |
| Step 3.7 Flash | 7.7 | 10.0 | 66.7% | 0 | 48.27s | 70,347 | 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 |
|---|---|---|---|---|---|---|---|---|
| Ring-2.6-1T | 4.1 | 10.0 | 0.0% | 0 | 58.26s | 150 | 583 | |
| Step 3.7 Flash | 4.0 | 10.0 | 0.0% | 0 | 6.85s | 3,987 | 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 |
|---|---|---|---|---|---|---|---|---|
| Ring-2.6-1T | 9.8 | 10.0 | 100.0% | 0 | 11.78s | 266 | 1,831 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.83s | 2,166 | 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 |
|---|---|---|---|---|---|---|---|---|
| Ring-2.6-1T | 5.9 | 7.2 | 55.6% | 1 | 20.73s | 697 | 2,479 | |
| Step 3.7 Flash | 5.7 | 9.9 | 33.3% | 0 | 6.19s | 15,071 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ring-2.6-1T | 10.0 | 10.0 | 100.0% | 0 | 104.44s | 234 | 1,531 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 2,115 | 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 |
|---|---|---|---|---|---|---|---|---|
| Ring-2.6-1T | 3.0 | 10.0 | 0.0% | 0 | 113.91s | 4,295 | 4,416 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 113.98s | 139,164 | 0 |
快速对比
切换对比组合
Qwen3.7 MaxnonevsStep 3.7 FlashmediumClaude Opus 4.8nonevsRing-2.6-1TmediumGPT-5.2 ChatnonevsStep 3.7 FlashmediumGemini 3.5 FlashminimalvsStep 3.7 FlashmediumRing-2.6-1TmediumvsStep 3.7 FlashhighRing-2.6-1TmediumvsStep 3.7 FlashlowRing-2.6-1TmediumvsQwen3.6 Max PreviewnoneRing-2.6-1TmediumvsGPT-5.3 ChatnoneGemini 3.1 Flash LitelowvsRing-2.6-1TmediumClaude Sonnet 4.6nonevsRing-2.6-1TmediumGemini 3.1 Flash Lite PreviewnonevsRing-2.6-1TmediumDeepSeek V4 ProhighvsRing-2.6-1Tmedium