AI BENCHY 对比

Kwaipilot: KAT-Coder-Pro V2.5 vs StepFun: Step 3.7 Flash

摘要

Step 3.7 Flash (medium) 平均分领先，为 8.5 vs 8.0。 KAT-Coder-Pro V2.5 (low) benchmark 成本更低，为 $0.220 vs $0.376。 KAT-Coder-Pro V2.5 (low) 更快，为 10.44s vs 20.35s，通过率为 71.4% vs 73.0%。

推荐模型KAT-Coder-Pro V2.5 (low)它的得分接近这里的最高分（8.0 vs 8.5），同时成本比Step 3.7 Flash (medium)低约 1.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low 发布日期: 2026-07-14	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29

指标	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low 发布日期: 2026-07-14	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29
分数	8.0	8.5
排名	#35	#23
可靠性	9.9	9.9
一致性	7.3	9.3
测试正确
尝试通过率	71.4%	73.0%
不稳定测试	7	2
总运行次数	63	61
每个结果成本	1.991	2.686
总成本	$0.220	$0.376
输入价格	$0.740 / 1M	$0.200 / 1M
输出价格	$2.960 / 1M	$1.150 / 1M
总输入令牌	42,750	39,981
输出令牌	2,167	319,958
推理令牌	61,133	0
响应时间（平均）	10.44s	20.35s
响应时间（最大）	51.34s	113.98s
响应时间（总计）	219.17s	427.42s

生成展示

Hamster playing table tennis

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

#35 KAT-Coder-Pro V2.5

low

成本: $0.016
时间: 47.6s
令牌: 5,182 tok

#23 Step 3.7 Flash

medium

成本: $0.006
时间: 46.2s
令牌: 4,466 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

类别:

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
KAT-Coder-Pro V2.5	6.9	5.8	75.0%	2		4.20s	672	277	4,228
Step 3.7 Flash	8.7	7.9	91.7%	1		9.65s	756	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）	输入令牌	输出令牌	推理令牌
KAT-Coder-Pro V2.5	7.8	10.0	66.7%	0		24.87s	7,893	402	24,945
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	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
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		14.59s	15,132	394	3,391
Step 3.7 Flash	10.0	10.0	100.0%	0		9.06s	13,683	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）	输入令牌	输出令牌	推理令牌
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		4.19s	7,776	288	1,917
Step 3.7 Flash	10.0	10.0	100.0%	0		2.75s	7,398	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）	输入令牌	输出令牌	推理令牌
KAT-Coder-Pro V2.5	4.1	4.4	44.5%	2		17.52s	771	35	16,877
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	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）	输入令牌	输出令牌	推理令牌
KAT-Coder-Pro V2.5	4.1	2.7	33.3%	1		2.32s	516	99	412
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	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）	输入令牌	输出令牌	推理令牌
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		2.53s	699	83	1,008
Step 3.7 Flash	9.8	10.0	100.0%	0		1.83s	735	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）	输入令牌	输出令牌	推理令牌
KAT-Coder-Pro V2.5	6.4	4.4	77.8%	2		3.11s	696	289	1,820
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	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）	输入令牌	输出令牌	推理令牌
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		18.45s	8,391	282	834
Step 3.7 Flash	10.0	10.0	100.0%	0		4.16s	7,746	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）	输入令牌	输出令牌	推理令牌
KAT-Coder-Pro V2.5	3.0	10.0	0.0%	0		17.06s	204	18	5,701
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

快速对比

切换对比组合