AI BENCHY 对比
StepFun: Step 3.5 Flash vs xAI: Grok 4.1 Fast
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-11
| 指标 | Step 3.5 Flash Step 3.5 Flash none | Grok 4.1 Fast Grok 4.1 Fast none |
|---|---|---|
| 分数 | 3.0 | 4.5 |
| 排名 | #93 | #89 |
| 一致性 | 10.0 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 0.0% | 24.1% |
| 不稳定测试 | 0 | 3 |
| 总运行次数 | 3 | 54 |
| 每个结果成本 | 0.000 | 0.269 |
| 总成本 | $0.000 | $0.009 |
| ???? | $0.100 / 1M | $0.200 / 1M |
| ???? | $0.300 / 1M | $0.500 / 1M |
| 输出令牌 | 0 | 1,721 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 0ms | 1.76s |
| 响应时间（最大） | 0ms | 5.51s |
| 响应时间（总计） | 0ms | 19.35s |
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
| 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 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Grok 4.1 Fast | 5.3 | 3.4 | 33.3% | 1 | 1.79s | 567 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| Grok 4.1 Fast | 3.2 | 10.0 | 0.0% | 0 | 1.07s | 235 | 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 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 3.33s | 105 | 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 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 943ms | 180 | 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 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| Grok 4.1 Fast | 5.9 | 7.2 | 55.6% | 1 | 1.06s | 15 | 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 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| Grok 4.1 Fast | 4.4 | 9.9 | 0.0% | 0 | 1.08s | 112 | 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 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 923ms | 56 | 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 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| Grok 4.1 Fast | 3.2 | 10.0 | 0.0% | 0 | 1.28s | 243 | 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 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| Grok 4.1 Fast | 2.8 | 1.6 | 33.3% | 1 | 5.51s | 208 | 0 |
快速对比
切换对比组合
Grok 4.1 FastnonevsGLM 4.7 FlashmediumQwen3.5-9BmediumvsGrok 4.1 FastnoneQwen3 Coder NextmediumvsGrok 4.1 FastnoneMiniMax M2.7mediumvsGrok 4.1 FastnoneMistral Small 4mediumvsGrok 4.1 FastnoneMiniMax M2.5medium免费可用vsGrok 4.1 Fastnonegpt-oss-120bmedium免费可用vsGrok 4.1 FastnoneQwen3.5-9BmediumvsStep 3.5 FlashnoneStep 3.5 FlashnonevsGLM 4.7 FlashmediumQwen3 Coder NextmediumvsStep 3.5 FlashnoneGPT-5 NanomediumvsGrok 4.1 FastnoneMercury 2mediumvsGrok 4.1 Fastnone