AI BENCHY 对比

MoonshotAI: Kimi K3 vs StepFun: Step 3.7 Flash

摘要

Kimi K3 (max) 平均分领先，为 8.5 vs 8.5。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.376 vs $3.112。 Step 3.7 Flash (medium) 更快，为 20.35s vs 122.48s，通过率为 82.5% vs 73.0%。

推荐模型Step 3.7 Flash (medium)它的得分接近这里的最高分（8.5 vs 8.5），同时成本比Kimi K3 (max)低约 8.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-16

指标	Kimi K3 Kimi K3 max 发布日期: 2026-07-16	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29

指标	Kimi K3 Kimi K3 max 发布日期: 2026-07-16	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29
分数	8.5	8.5
排名	#21	#26
可靠性	9.4	9.9
一致性	9.2	9.3
测试正确
尝试通过率	82.5%	73.0%
不稳定测试	2	2
总运行次数	63	61
每个结果成本	19.446	2.686
总成本	$3.112	$0.376
输入价格	$3.000 / 1M	$0.200 / 1M
输出价格	$15.000 / 1M	$1.150 / 1M
总输入令牌	34,916	39,981
输出令牌	2,910	319,958
推理令牌	197,529	0
响应时间（平均）	122.48s	20.35s
响应时间（最大）	766.58s	113.98s
响应时间（总计）	2327.06s	427.42s

生成展示

Hamster playing table tennis

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

#21 MoonshotAI: Kimi K3

max

成本: $0.281
时间: 506.9s
令牌: 18,863 tok

#26 Step 3.7 Flash

medium

成本: $0.006
时间: 46.2s
令牌: 4,466 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
Kimi K3	10.0	10.0	100.0%	0		10.24s	1,638	496	2,629
Step 3.7 Flash	8.7	7.9	91.7%	1		9.65s	756	32,185	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 K3	10.0	10.0	100.0%	0		325.79s	8,061	460	84,012
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	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 K3	10.0	10.0	100.0%	0		223.03s	12,792	399	20,460
Step 3.7 Flash	10.0	10.0	100.0%	0		9.06s	13,683	7,106	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 K3	7.3	5.8	83.3%	1		16.72s	7,839	354	2,606
Step 3.7 Flash	10.0	10.0	100.0%	0		2.75s	7,398	3,020	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 K3	5.9	7.2	55.6%	1		490.14s	794	80	83,180
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	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 K3	10.0	10.0	100.0%	0		14.91s	732	191	871
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	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 K3	10.0	10.0	100.0%	0		7.66s	1,179	147	1,119
Step 3.7 Flash	9.8	10.0	100.0%	0		1.83s	735	2,166	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 K3	10.0	10.0	100.0%	0		7.36s	1,416	495	1,368
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	15,071	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 K3	3.0	10.0	0.0%	0		0ms	0	0	0
Step 3.7 Flash	10.0	10.0	100.0%	0		4.16s	7,746	2,115	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 K3	3.0	10.0	0.0%	0		19.67s	465	288	1,284
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

快速对比

切换对比组合

GPT-5.2 ChatnonevsStep 3.7 Flashmedium Kimi K3maxvsGPT-5 Minimedium Kimi K3maxvsGLM 5medium Kimi K3maxvsGPT-5.4medium Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsGLM 5.2medium Kimi K3maxvsGPT-5.2medium Claude Opus 4.7mediumvsKimi K3max Kimi K3maxvsGrok 4.5medium DeepSeek V4 FlashhighvsStep 3.7 Flashmedium Muse Spark 1.1lowvsKimi K3max