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：: 2026-05-29
| 指标 | Kimi K2.6 Kimi K2.6 medium 免费可用 | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| 分数 | 7.4 | 7.4 |
| 排名 | #59 | #60 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.3 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 70.8% | 68.3% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 7.621 | 2.796 |
| 总成本 | $0.915 | $0.336 |
| 输入价格 | $0.730 / 1M | $0.200 / 1M |
| 输出价格 | $3.490 / 1M | $1.150 / 1M |
| 输出令牌 | 102,208 | 285,209 |
| 推理令牌 | 229,120 | 0 |
| 响应时间（平均） | 54.03s | 16.06s |
| 响应时间（最大） | 215.85s | 124.75s |
| 响应时间（总计） | 1026.57s | 321.11s |
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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 7.0 | 8.0 | 66.7% | 1 | 11.59s | 7,115 | 8,934 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 4.02s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 6.8 | 5.3 | 75.0% | 1 | 118.23s | 9,255 | 52,215 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 9.43s | 14,569 | 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 10.0 | 10.0 | 100.0% | 0 | 40.96s | 711 | 13,876 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 7.98s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 10.0 | 10.0 | 100.0% | 0 | 20.38s | 316 | 11,305 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 2.29s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 5.3 | 7.2 | 44.4% | 1 | 202.38s | 47,035 | 98,262 | |
| Step 3.7 Flash | 5.3 | 7.2 | 44.4% | 1 | 43.31s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 10.0 | 10.0 | 100.0% | 0 | 17.83s | 3,981 | 4,472 | |
| Step 3.7 Flash | 3.4 | 9.3 | 0.0% | 0 | 7.00s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 10.0 | 10.0 | 100.0% | 0 | 12.53s | 3,977 | 5,269 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.58s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 6.0 | 7.4 | 55.6% | 1 | 25.06s | 13,860 | 17,599 | |
| Step 3.7 Flash | 5.5 | 9.9 | 33.3% | 0 | 1.84s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 10.0 | 10.0 | 100.0% | 0 | 8.92s | 248 | 1,011 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.25s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.6 | 3.0 | 10.0 | 0.0% | 0 | 130.27s | 15,710 | 16,177 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 124.75s | 134,779 | 0 |
快速对比
切换对比组合
Kimi K2.6medium免费可用vsGPT-5.3 ChatnoneStep 3.7 FlashlowvsMiMo-V2.5mediumGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5V TurbomediumGemini 3.1 Flash LitelowvsKimi K2.6medium免费可用Step 3.7 FlashlowvsGLM 5.1mediumGPT-5.2mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewnonevsKimi K2.6medium免费可用GPT-5.4 MinimediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowClaude Opus 4.8nonevsStep 3.7 FlashlowDeepSeek V3.2mediumvsStep 3.7 Flashlow