StepFun: Step 3.5 Flash vs Thinking Machines: Inkling

Inkling (low) 平均分领先，为 6.1 vs 6.0。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.108 vs $0.187。 Inkling (low) 更快，为 5.15s vs 174.22s，通过率为 51.5% vs 54.6%。

推荐模型Inkling (low)它在这里得分最高（6.1），同时响应速度比Step 3.5 Flash (medium)快约 33.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01	Inkling Inkling low 发布日期: 2026-07-18

指标	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01	Inkling Inkling low 发布日期: 2026-07-18
分数	6.0	6.1
排名	#126	#119
可靠性	9.2	9.9
一致性	9.0	8.6
测试正确
尝试通过率	51.5%	54.6%
不稳定测试	1	4
总运行次数	63	66
每个结果成本	0.540	1.866
总成本	$0.108	$0.187
输入价格	$0.100 / 1M	$1.000 / 1M
输出价格	$0.300 / 1M	$4.050 / 1M
总输入令牌	65,707	109,884
输出令牌	108,561	8,579
推理令牌	293,993	10,343
响应时间（平均）	174.22s	5.15s
响应时间（最大）	1597.85s	41.58s
响应时间（总计）	2613.32s	113.39s

Hamster playing table tennis

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

#126 Step 3.5 Flash

medium

成本: $0.008
时间: 277.1s
令牌: 23,695 tok

#119 Thinking Machines: Inkling

low

成本: $0.002
时间: 6.1s
令牌: 502 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
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176
Inkling	8.3	10.0	75.0%	0		2.51s	702	172	1,024

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
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429
Inkling	5.1	7.2	22.2%	1		8.71s	7,374	355	4,961

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
Step 3.5 Flash	6.5	10.0	50.0%	0		813.71s	44,914	18,150	111,004
Inkling	2.9	5.8	16.7%	1		22.73s	85,854	6,920	1,367

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
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886
Inkling	10.0	10.0	100.0%	0		2.07s	7,068	216	344

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
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436
Inkling	5.3	10.0	33.3%	0		1.99s	795	66	504

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
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506
Inkling	10.0	10.0	100.0%	0		3.44s	501	160	213

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
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521
Inkling	9.8	10.0	100.0%	0		1.81s	708	93	379

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
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861
Inkling	6.4	5.0	66.7%	2		2.97s	714	347	908

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
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802
Inkling	3.0	10.0	0.0%	0		2.57s	5,949	219	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
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372
Inkling	3.0	10.0	0.0%	0		3.12s	219	31	643

快速对比

切换对比组合

Gemini 3.1 Flash LitenonevsInklinglow gpt-oss-120bmediumvsInklinglow Qwen3.6 FlashnonevsInklinglow Qwen3.5-FlashnonevsInklinglow Nemotron 3 Ultranone免费可用vsStep 3.5 Flashmedium Qwen3.5 Plus 2026-04-20nonevsInklinglow Gemini 3.1 Flash LiteminimalvsInklinglow Qwen3.5-35B-A3BnonevsInklinglow Qwen3.5-35B-A3BnonevsStep 3.5 Flashmedium GPT-5 NanomediumvsInklinglow Qwen3.5 Plus 2026-04-20nonevsStep 3.5 Flashmedium Nemotron 3 Ultranone免费可用vsInklinglow