AI BENCHY 对比

MiniMax: MiniMax M3 vs StepFun: Step 3.7 Flash

摘要

Step 3.7 Flash (low) 平均分领先，为 7.7 vs 7.6。 MiniMax M3 (medium) benchmark 成本更低，为 $0.131 vs $0.341。 Step 3.7 Flash (low) 更快，为 15.74s vs 68.17s，通过率为 65.1% vs 68.3%。

推荐模型Step 3.7 Flash (low)它在这里得分最高（7.7），同时响应速度比MiniMax M3 (medium)快约 4.3 倍。

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

指标	MiniMax M3 MiniMax M3 medium 发布日期: 2026-06-01	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29

指标	MiniMax M3 MiniMax M3 medium 发布日期: 2026-06-01	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29
分数	7.6	7.7
排名	#54	#51
可靠性	9.6	10.0
一致性	7.9	8.4
测试正确
尝试通过率	65.1%	68.3%
不稳定测试	5	4
总运行次数	63	63
每个结果成本	1.187	2.840
总成本	$0.131	$0.341
输入价格	$0.300 / 1M	$0.200 / 1M
输出价格	$1.200 / 1M	$1.150 / 1M
总输入令牌	46,546	40,101
输出令牌	49,036	289,325
推理令牌	92,543	0
响应时间（平均）	68.17s	15.74s
响应时间（最大）	431.03s	124.75s
响应时间（总计）	1363.38s	330.63s

生成展示

Hamster playing table tennis

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

#54 MiniMax M3

medium

成本: $0.012
时间: 154.4s
令牌: 10,018 tok

#51 Step 3.7 Flash

low

无效SVG

成本: $0.004
时间: 25.3s
令牌: 3,072 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
MiniMax M3	5.5	3.7	66.7%	3		14.95s	2,526	874	3,414
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	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
MiniMax M3	6.1	6.5	55.6%	1		144.74s	5,804	6,223	32,667
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	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
MiniMax M3	10.0	10.0	100.0%	0		65.30s	14,760	1,306	6,253
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	13,683	6,426	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
MiniMax M3	10.0	10.0	100.0%	0		14.92s	8,088	514	3,164
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	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
MiniMax M3	5.5	9.3	33.3%	0		233.13s	869	16,254	19,070
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	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
MiniMax M3	5.1	3.4	33.3%	1		33.25s	954	2,487	2,523
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	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
MiniMax M3	9.8	10.0	100.0%	0		6.14s	1,623	103	920
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	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
MiniMax M3	7.9	9.9	66.7%	0		49.91s	2,079	11,946	13,761
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	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
MiniMax M3	10.0	10.0	100.0%	0		11.91s	9,168	281	555
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	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
MiniMax M3	3.0	10.0	0.0%	0		100.80s	675	9,048	10,216
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

快速对比

切换对比组合

GPT-5.6 LunahighvsStep 3.7 Flashlow Claude Opus 4.6mediumvsStep 3.7 Flashlow DeepSeek V4 ProhighvsMiniMax M3medium Step 3.7 FlashlowvsGrok 4.3medium KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsMiniMax M3medium Kimi K2.6medium免费可用vsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow MiniMax M3mediumvsGPT-5.6 Lunahigh