AI BENCHY 对比

MoonshotAI: Kimi K2.5 vs StepFun: Step 3.7 Flash

摘要

Kimi K2.5 vs Step 3.7 Flash benchmark 对比：Step 3.7 Flash 平均分领先，为 7.7 vs 7.5。 Kimi K2.5 benchmark 成本更低，为 $0.328 vs $0.341。 Step 3.7 Flash 更快，为 15.74s vs 98.43s，通过率为 68.3% vs 68.3%。

推荐模型: Step 3.7 Flash - 它在这里得分最高（7.7），同时响应速度比Kimi K2.5快约 6.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	Kimi K2.5 Kimi K2.5 medium 发布日期: 2026-01-27	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29

指标	Kimi K2.5 Kimi K2.5 medium 发布日期: 2026-01-27	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29
分数	7.5	7.7
排名	#45	#42
可靠性	10.0	10.0
一致性	6.9	8.4
测试正确
尝试通过率	68.3%	68.3%
不稳定测试	8	4
总运行次数	63	63
每个结果成本	3.704	2.840
总成本	$0.328	$0.341
输入价格	$0.400 / 1M	$0.200 / 1M
输出价格	$1.900 / 1M	$1.150 / 1M
总输入令牌	34,312	40,101
输出令牌	48,379	289,325
推理令牌	157,747	0
响应时间（平均）	98.43s	15.74s
响应时间（最大）	281.00s	124.75s
响应时间（总计）	1378.03s	330.63s

Generation showcase

Hamster playing table tennis

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

#45 MoonshotAI: Kimi K2.5

medium

Cost: $0.030
Time: 58.6s
Tokens: 8,683 tok

#42 Step 3.7 Flash

low

Invalid SVG

Cost: $0.004
Time: 25.3s
Tokens: 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

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
Kimi K2.5	7.3	5.8	83.3%	2		51.38s	634	2,789	8,880
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
Kimi K2.5	6.1	4.6	66.7%	2		217.49s	6,935	5,705	74,693
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
Kimi K2.5	10.0	10.0	100.0%	0		71.37s	11,280	703	3,713
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
Kimi K2.5	10.0	10.0	100.0%	0		49.78s	7,020	563	7,940
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
Kimi K2.5	3.5	4.4	33.3%	2		137.29s	485	20,753	30,564
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
Kimi K2.5	6.5	3.4	66.7%	1		69.73s	480	3,815	4,262
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
Kimi K2.5	10.0	10.0	100.0%	0		92.47s	675	5,371	6,547
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
Kimi K2.5	5.3	7.3	44.4%	1		43.23s	659	8,426	12,692
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
Kimi K2.5	10.0	10.0	100.0%	0		31.74s	5,933	242	812
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
Kimi K2.5	3.0	10.0	0.0%	0		83.95s	211	12	7,644
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