AI BENCHY 对比
MiniMax: MiniMax M3 vs StepFun: Step 3.7 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | MiniMax M3 MiniMax M3 medium | Step 3.7 Flash Step 3.7 Flash high |
|---|---|---|
| 分数 | 7.3 | 7.1 |
| 排名 | #65 | #74 |
| 可靠性 | 9.6 | 10.0 |
| 一致性 | 8.4 | 8.2 |
| 测试正确 | ||
| 尝试通过率 | 68.3% | 65.0% |
| 不稳定测试 | 6 | 4 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 1.083 | 8.723 |
| 总成本 | $0.120 | $0.960 |
| 输入价格 | $0.300 / 1M | $0.200 / 1M |
| 输出价格 | $1.200 / 1M | $1.150 / 1M |
| 输出令牌 | 46,884 | 828,084 |
| 推理令牌 | 85,935 | 0 |
| 响应时间（平均） | 68.44s | 49.43s |
| 响应时间（最大） | 431.03s | 192.75s |
| 响应时间（总计） | 1300.32s | 988.58s |
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 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 5.5 | 3.7 | 66.7% | 3 | 14.95s | 874 | 3,414 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 13.40s | 42,656 | 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 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 7.5 | 10.0 | 66.7% | 1 | 185.58s | 4,071 | 26,059 | |
| Step 3.7 Flash | 3.2 | 4.6 | 16.7% | 1 | 126.82s | 164,069 | 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 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 10.0 | 10.0 | 100.0% | 0 | 65.30s | 1,306 | 6,253 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 13.01s | 8,802 | 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 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 10.0 | 10.0 | 100.0% | 0 | 14.92s | 514 | 3,164 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 14.72s | 23,113 | 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 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 6.0 | 10.0 | 44.4% | 1 | 233.13s | 16,254 | 19,070 | |
| Step 3.7 Flash | 4.1 | 4.4 | 44.5% | 2 | 149.64s | 410,502 | 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 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 5.1 | 3.4 | 33.3% | 1 | 33.25s | 2,487 | 2,523 | |
| Step 3.7 Flash | 5.5 | 10.0 | 0.0% | 0 | 4.17s | 2,862 | 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 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 9.8 | 10.0 | 100.0% | 0 | 6.14s | 103 | 920 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.52s | 2,010 | 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 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 7.9 | 9.9 | 66.7% | 0 | 49.91s | 11,946 | 13,761 | |
| Step 3.7 Flash | 5.3 | 7.2 | 44.4% | 1 | 10.22s | 25,422 | 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 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 281 | 555 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.79s | 1,172 | 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 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 3.0 | 10.0 | 0.0% | 0 | 100.80s | 9,048 | 10,216 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 149.34s | 147,476 | 0 |
快速对比
切换对比组合
Claude Opus 4.8nonevsMiniMax M3mediumQwen3.6 Max PreviewnonevsStep 3.7 FlashhighGPT-5 MinimediumvsStep 3.7 FlashhighGPT-5.4 NanomediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsMiMo-V2-FlashmediumRing-2.6-1TnonevsMiniMax M3mediumSeed-2.0-MinimediumvsStep 3.7 FlashhighMiniMax M3mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsStep 3.7 FlashhighClaude Sonnet 4.6nonevsStep 3.7 FlashhighMiniMax M3mediumvsGPT-5.3 ChatnoneRing-2.6-1TnonevsStep 3.7 Flashhigh