导航
AI BENCHY
Advertise here

AI BENCHY 对比

StepFun: Step 3.7 Flash vs Xiaomi: MiMo-V2.5

摘要

Step 3.7 Flash vs MiMo-V2.5 benchmark 对比：MiMo-V2.5 平均分领先，为 7.3 vs 7.0。 MiMo-V2.5 benchmark 成本更低，为 $0.063 vs $1.148。 MiMo-V2.5 更快，为 27.11s vs 64.46s，通过率为 63.5% vs 69.8%。

推荐模型: MiMo-V2.5 - 它在这里得分最高（7.3），同时成本比Step 3.7 Flash低约 18.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04

指标 Step 3.7 Flash Step 3.7 Flash high 发布日期: 2026-05-29 MiMo-V2.5 MiMo-V2.5 medium 发布日期: 2026-04-22
分数 7.0 7.3
排名 #71 #56
可靠性 10.0 10.0
一致性 8.2 8.1
测试正确
尝试通过率 63.5% 69.8%
不稳定测试 4 5
总运行次数 63 63
每个结果成本 10.434 2.966
总成本 $1.148 $0.063
输入价格 $0.200 / 1M $0.140 / 1M
输出价格 $1.150 / 1M $0.280 / 1M
总输入令牌 38,391 41,838
输出令牌 991,355 2,827
推理令牌 0 198,898
响应时间（平均） 64.46s 27.11s
响应时间（最大） 364.99s 162.44s
响应时间（总计） 1353.57s 569.38s

Generation showcase

Hamster playing table tennis

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

#71 Step 3.7 Flash

high
Cost
$0.007
Time
63.6s
Tokens
6,030 tok

#56 MiMo-V2.5

medium
Cost
$0.002
Time
54.8s
Tokens
5,247 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
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 0
MiMo-V2.5 10.0 10.0 100.0% 0 4.14s 621 281 1,739
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 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0
MiMo-V2.5 6.2 4.7 66.7% 2 97.14s 7,422 557 81,977
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 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 0
MiMo-V2.5 10.0 10.0 100.0% 0 16.86s 15,060 363 7,609
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 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 0
MiMo-V2.5 2.7 5.7 16.7% 1 6.33s 7,746 306 5,714
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 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 0
MiMo-V2.5 5.3 10.0 33.3% 0 34.53s 735 507 49,478
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 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 0
MiMo-V2.5 5.4 2.5 66.7% 1 5.37s 492 121 418
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 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 0
MiMo-V2.5 9.9 10.0 100.0% 0 1.80s 672 88 801
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 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 0
MiMo-V2.5 8.2 7.2 88.9% 1 20.25s 660 279 33,254
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 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 0
MiMo-V2.5 10.0 10.0 100.0% 0 7.29s 8,220 303 2,424
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 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0
MiMo-V2.5 3.0 10.0 0.0% 0 51.29s 210 22 15,484

快速对比

切换对比组合

GPT-5.4 NanomediumvsStep 3.7 FlashhighClaude Opus 4.6mediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighStep 3.7 FlashlowvsMiMo-V2.5mediumMiniMax M3mediumvsStep 3.7 FlashhighGemini 3.1 Flash Lite PreviewnonevsMiMo-V2.5mediumGemini 3.1 Flash LitelowvsMiMo-V2.5mediumDeepSeek V3.2mediumvsStep 3.7 FlashhighGPT-5.3 ChatnonevsMiMo-V2.5mediumQwen3.5-35B-A3BmediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsGrok 4.20mediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5medium