AI BENCHY 对比
MoonshotAI: Kimi K2.6 vs StepFun: Step 3.7 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04
| 指标 | Kimi K2.6 Kimi K2.6 medium 免费可用 | Step 3.7 Flash Step 3.7 Flash high |
|---|---|---|
| 分数 | 7.2 | 7.0 |
| 排名 | #60 | #71 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.6 | 8.2 |
| 测试正确 | ||
| 尝试通过率 | 65.1% | 63.5% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 8.358 | 10.434 |
| 总成本 | $0.891 | $1.148 |
| 输入价格 | $0.684 / 1M | $0.200 / 1M |
| 输出价格 | $3.420 / 1M | $1.150 / 1M |
| 总输入令牌 | 29,450 | 38,391 |
| 输出令牌 | 102,923 | 991,355 |
| 推理令牌 | 254,094 | 0 |
| 响应时间（平均） | 71.67s | 64.46s |
| 响应时间（最大） | 406.78s | 364.99s |
| 响应时间（总计） | 1433.36s | 1353.57s |
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 K2.6 | 7.0 | 8.0 | 66.7% | 1 | 11.59s | 618 | 7,115 | 8,934 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 13.40s | 696 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 5.7 | 8.6 | 33.3% | 0 | 214.42s | 2,925 | 9,970 | 77,189 | |
| Step 3.7 Flash | 4.0 | 6.0 | 22.2% | 1 | 206.21s | 6,057 | 327,340 | 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 K2.6 | 10.0 | 10.0 | 100.0% | 0 | 40.96s | 11,271 | 711 | 13,876 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 13.01s | 13,638 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 10.0 | 10.0 | 100.0% | 0 | 20.38s | 7,014 | 316 | 11,305 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 14.72s | 7,368 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 5.3 | 7.2 | 44.4% | 1 | 202.38s | 326 | 47,035 | 98,262 | |
| Step 3.7 Flash | 4.1 | 4.4 | 44.5% | 2 | 149.64s | 783 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 10.0 | 10.0 | 100.0% | 0 | 17.83s | 477 | 3,981 | 4,472 | |
| Step 3.7 Flash | 5.5 | 10.0 | 0.0% | 0 | 4.17s | 510 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 10.0 | 10.0 | 100.0% | 0 | 12.53s | 669 | 3,977 | 5,269 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.52s | 705 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 6.0 | 7.4 | 55.6% | 1 | 25.06s | 651 | 13,860 | 17,599 | |
| Step 3.7 Flash | 5.3 | 7.2 | 44.4% | 1 | 10.22s | 711 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 10.0 | 10.0 | 100.0% | 0 | 8.92s | 5,286 | 248 | 1,011 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.79s | 7,701 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 3.0 | 10.0 | 0.0% | 0 | 130.27s | 213 | 15,710 | 16,177 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 149.34s | 222 | 147,476 | 0 |
快速对比
切换对比组合
GPT-5.4 NanomediumvsStep 3.7 FlashhighGemini 3.1 Flash LitelowvsKimi K2.6medium免费可用Gemini 3.1 Flash Lite PreviewnonevsKimi K2.6medium免费可用Claude Opus 4.6mediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighMiniMax M3mediumvsStep 3.7 FlashhighKimi K2.6medium免费可用vsStep 3.7 FlashlowKimi K2.6medium免费可用vsGPT-5.3 ChatnoneDeepSeek V3.2mediumvsStep 3.7 FlashhighQwen3.5-35B-A3BmediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsGrok 4.20mediumSeed-2.0-MinimediumvsStep 3.7 Flashhigh