NVIDIA: Nemotron 3 Ultra vs StepFun: Step 3.7 Flash

Nemotron 3 Ultra (medium) 平均分领先，为 7.5 vs 7.3。 Step 3.7 Flash (low) benchmark 成本更低，为 $0.454 vs $0.774。 Step 3.7 Flash (low) 更快，为 20.68s vs 32.21s，通过率为 68.2% vs 68.2%。

推荐模型Step 3.7 Flash (low)它的得分接近这里的最高分（7.3 vs 7.5），同时成本比Nemotron 3 Ultra (medium)低约 1.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-21

指标	Nemotron 3 Ultra Nemotron 3 Ultra medium 发布日期: 2026-06-04 免费可用	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29

指标	Nemotron 3 Ultra Nemotron 3 Ultra medium 发布日期: 2026-06-04 免费可用	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29
分数	7.5	7.3
排名	#55	#71
可靠性	9.8	10.0
一致性	8.5	8.1
测试正确
尝试通过率	68.2%	68.2%
不稳定测试	4	5
总运行次数	66	66
每个结果成本	0.000	3.782
总成本	$0.774	$0.454
输入价格	$0.600 / 1M	$0.200 / 1M
输出价格	$3.600 / 1M	$1.150 / 1M
总输入令牌	233,488	103,833
输出令牌	57,916	376,581
推理令牌	128,062	0
响应时间（平均）	32.21s	20.68s
响应时间（最大）	392.56s	124.75s
响应时间（总计）	708.65s	455.01s

Hamster playing table tennis

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

#55 Nemotron 3 Ultra

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#71 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
Nemotron 3 Ultra	10.0	10.0	100.0%	0		8.62s	780	835	1,485
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
Nemotron 3 Ultra	8.4	7.4	88.9%	1		26.53s	7,686	2,854	17,725
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
Nemotron 3 Ultra	6.3	5.8	66.7%	1		218.25s	204,249	40,954	78,561
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	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
Nemotron 3 Ultra	10.0	10.0	100.0%	0		5.68s	7,989	473	1,285
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
Nemotron 3 Ultra	3.5	4.4	33.3%	2		24.90s	858	11,169	16,249
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
Nemotron 3 Ultra	3.7	9.5	0.0%	0		2.52s	360	70	235
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
Nemotron 3 Ultra	9.8	10.0	100.0%	0		6.35s	765	182	1,243
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
Nemotron 3 Ultra	5.5	9.9	33.3%	0		3.54s	792	771	2,055
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
Nemotron 3 Ultra	10.0	10.0	100.0%	0		7.72s	9,781	304	984
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
Nemotron 3 Ultra	3.0	10.0	0.0%	0		38.47s	228	304	8,240
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

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Nemotron 3 Ultramedium免费可用vsGPT-5.3 Chatnone Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Nemotron 3 Ultramedium免费可用vsGPT-5.6 Terralow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow Nemotron 3 Ultramedium免费可用vsQwen3.7 Maxnone Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow