Muse Wonder (high) vs Step 3.7 Flash (medium)

已对比模型

排名: #122
总输出令牌: 152,440
响应时间（平均）: 22.96s
总成本: $3.426

排名: #117
总输出令牌: 440,835
响应时间（平均）: 26.57s
总成本: $0.571

推荐模型 Step 3.7 Flash (medium)

它在这里得分最高（7.8），同时成本比Muse Wonder (high)低约 6.0 倍。

详细对比

指标	Muse Wonder Muse Wonder high 发布日期: 2026-10-13	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29

指标	Muse Wonder Muse Wonder high 发布日期: 2026-10-13	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29
分数	7.7	7.8
排名	#122	#117
可靠性	9.3	10.0
一致性	9.6	8.7
尝试次数	69/69	69/69
测试正确
尝试通过率	66.7%	68.1%
不稳定测试	1	4
总运行次数	69	69
每个结果成本	22.837	4.392
总成本	$3.426	$0.571
输入价格	$4.000 / 1M	$0.200 / 1M
输出价格	$20.000 / 1M	$1.150 / 1M
缓存读取价格	$0.200 / 1M	$0.040 / 1M
缓存写入价格	不适用	不适用
总输入令牌	94,153	319,524
输出令牌	9,606	440,835
推理令牌	142,834	0
响应时间（平均）	22.96s	26.57s
响应时间（最大）	143.21s	152.83s
响应时间（总计）	528.08s	611.09s
参数量	~1T 总计 (~50B 激活)	198B 总计 (11B 激活)
开放状态	闭源	开源

缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。

模型生成展示

Hamster playing table tennis

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

#122 Muse Wonder

high

成本: $0.199
时间: 113.0s
令牌: 10,002 tok

#117 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:

智能体任务	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
Muse Wonder	3.0	10.0	0.0%	0		461ms	0	0	0
Step 3.7 Flash	7.4	3.8	66.7%	1		93.88s	205,333	31,126	0

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
Muse Wonder	8.3	10.0	75.0%	0		5.93s	594	362	4,257
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
Muse Wonder	10.0	10.0	100.0%	0		36.94s	7,401	1,392	35,716
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
Muse Wonder	10.0	10.0	100.0%	0		34.90s	66,087	5,019	24,775
Step 3.7 Flash	7.3	5.8	83.3%	1		80.94s	87,764	114,720	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
Muse Wonder	10.0	10.0	100.0%	0		7.09s	7,053	431	4,377
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
Muse Wonder	5.3	10.0	33.3%	0		78.62s	555	1,083	58,198
Step 3.7 Flash	5.3	10.0	33.3%	0		27.26s	837	52,484	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
Muse Wonder	10.0	10.0	100.0%	0		5.52s	519	170	1,428
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
Muse Wonder	6.5	10.0	50.0%	0		1.97s	408	69	936
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
Muse Wonder	5.3	10.0	33.3%	0		3.78s	246	222	1,817
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
Muse Wonder	9.8	10.0	100.0%	0		23.70s	11,065	636	5,476
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
Muse Wonder	2.8	1.6	33.3%	1		28.77s	225	222	5,854
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

切换对比组合

Step 3.7 FlashmediumvsGLM 5.3high Claude Haiku 5.5mediumvsMuse Wonderhigh Muse WonderhighvsQwen3.5 Plus 2026-04-20medium Qwen3.7 PlusnonevsStep 3.7 Flashmedium Muse WonderhighvsQwen3.7 Flashlow Step 3.7 FlashmediumvsGrok 4.5low Ling 3.1 FlashhighvsStep 3.7 Flashmedium Muse WondermaxvsStep 3.7 Flashmedium DeepSeek V4 Flash 0731mediumvsMuse Wonderhigh Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Muse WonderhighvsGrok 4.5low Muse WonderhighvsQwen3.7 Plusnone