- 排名
- #159
- 总输出令牌
- 22,605
- 响应时间（平均）
- 21.96s
- 总成本
- $0.020
GPT-6 Luna (low) vs Step 3.7 Flash (low)
Step 3.7 Flash (low) 平均分领先，为 7.1 vs 7.0。 GPT-6 Luna (low) benchmark 成本更低，为 $0.020 vs $0.390。 Step 3.7 Flash (low) 更快，为 17.87s vs 21.96s，通过率为 62.1% vs 63.6%。
已对比模型
- 排名
- #154
- 总输出令牌
- 320,393
- 响应时间（平均）
- 17.87s
- 总成本
- $0.390
推荐模型
GPT-6 Luna (low)
它的得分接近这里的最高分（7.0 vs 7.1），同时成本比Step 3.7 Flash (low)低约 20.1 倍。
详细对比
| 指标 | GPT-6 Luna GPT-6 Luna low | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| 分数 | 7.0 | 7.1 |
| 排名 | #159 | #154 |
| 可靠性 | 9.6 | 10.0 |
| 一致性 | 8.5 | 8.1 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 62.1% | 63.6% |
| 不稳定测试 | 4 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 0.176 | 3.539 |
| 总成本 | $0.020 | $0.390 |
| 输入价格 | $0.100 / 1M | $0.200 / 1M |
| 输出价格 | $0.500 / 1M | $1.150 / 1M |
| 总输入令牌 | 80,159 | 103,842 |
| 输出令牌 | 4,623 | 320,393 |
| 推理令牌 | 17,982 | 0 |
| 响应时间（平均） | 21.96s | 17.87s |
| 响应时间（最大） | 89.37s | 124.75s |
| 响应时间（总计） | 483.19s | 393.04s |
| 参数量 | ~400B 总计 (~17B 激活) | 198B 总计 (11B 激活) |
| 开放状态 | 闭源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#159 GPT-6 Luna
low- 成本
- $0.002
- 时间
- 19.2s
- 令牌
- 2,598 tok
#154 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
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-6 Luna | 6.9 | 7.9 | 66.7% | 1 | 11.00s | 554 | 130 | 704 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-6 Luna | 6.0 | 7.2 | 55.6% | 1 | 15.39s | 7,302 | 493 | 6,655 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-6 Luna | 7.3 | 5.8 | 83.3% | 1 | 49.77s | 57,227 | 3,023 | 2,271 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-6 Luna | 10.0 | 10.0 | 100.0% | 0 | 9.94s | 7,140 | 234 | 250 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-6 Luna | 5.3 | 10.0 | 33.3% | 0 | 18.09s | 628 | 62 | 5,990 | |
| Step 3.7 Flash | 2.9 | 7.2 | 11.1% | 1 | 22.65s | 837 | 48,299 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-6 Luna | 4.4 | 9.9 | 0.0% | 0 | 1.46s | 477 | 102 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-6 Luna | 7.1 | 5.8 | 83.3% | 1 | 17.38s | 540 | 84 | 250 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-6 Luna | 7.7 | 10.0 | 66.7% | 0 | 27.45s | 642 | 213 | 1,272 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-6 Luna | 10.0 | 10.0 | 100.0% | 0 | 71.65s | 5,454 | 254 | 152 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-6 Luna | 3.0 | 10.0 | 0.0% | 0 | 29.10s | 195 | 28 | 438 | |
| 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
GPT-6 LunalowvsGrok 4.3mediumDeepSeek V3.2mediumvsGPT-6 LunalowQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsSolar Pro 4highGPT-6 LunalowvsGLM 5.1mediumMercury 2mediumvsGPT-6 LunalowMercury 2.5highvsGPT-6 LunalowMuse Glimmer 30BmediumvsStep 3.7 FlashlowGPT-6 LunalowvsGrok 4.20mediumMercury 2.5highvsStep 3.7 FlashlowSeed-2.0-MinimediumvsGPT-6 LunalowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow