导航
AI BENCHY
Advertise here

AI BENCHY 对比

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

摘要

Step 3.7 Flash vs MiMo-V2.5-Pro benchmark 对比：MiMo-V2.5-Pro 平均分领先，为 7.5 vs 7.0。 MiMo-V2.5-Pro benchmark 成本更低，为 $0.106 vs $1.148。 MiMo-V2.5-Pro 更快，为 26.13s vs 64.46s，通过率为 63.5% vs 68.3%。

推荐模型: MiMo-V2.5-Pro - 它在这里得分最高（7.5），同时成本比Step 3.7 Flash低约 10.9 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-Pro MiMo-V2.5-Pro medium 发布日期: 2026-04-22
分数 7.0 7.5
排名 #71 #43
可靠性 10.0 10.0
一致性 8.2 8.5
测试正确
尝试通过率 63.5% 68.3%
不稳定测试 4 4
总运行次数 63 63
每个结果成本 10.434 2.541
总成本 $1.148 $0.106
输入价格 $0.200 / 1M $0.435 / 1M
输出价格 $1.150 / 1M $0.870 / 1M
总输入令牌 38,391 40,854
输出令牌 991,355 5,015
推理令牌 0 97,742
响应时间（平均） 64.46s 26.13s
响应时间（最大） 364.99s 130.77s
响应时间（总计） 1353.57s 548.65s

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

#43 MiMo-V2.5-Pro

medium
Invalid SVG
Cost
$0.000
Time
300.0s
Tokens
0 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-Pro 10.0 10.0 100.0% 0 3.26s 621 323 1,179
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-Pro 6.2 4.7 66.7% 2 92.07s 6,543 780 51,218
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-Pro 10.0 10.0 100.0% 0 53.36s 15,060 348 11,870
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-Pro 7.3 5.8 83.3% 1 18.81s 7,746 260 8,383
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-Pro 5.3 10.0 33.3% 0 37.87s 630 275 17,023
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-Pro 5.5 10.0 0.0% 0 4.02s 492 155 163
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-Pro 9.9 10.0 100.0% 0 2.77s 672 82 803
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-Pro 6.7 7.9 55.6% 1 5.31s 660 540 2,181
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-Pro 10.0 10.0 100.0% 0 16.87s 8,220 311 2,908
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-Pro 3.0 10.0 0.0% 0 12.46s 210 1,941 2,014

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 FlashhighMiniMax M3mediumvsStep 3.7 FlashhighDeepSeek V3.2mediumvsStep 3.7 FlashhighGemini 3 Flash PreviewnonevsMiMo-V2.5-PromediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5-PromediumQwen3.5-35B-A3BmediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsGrok 4.20mediumSeed-2.0-MinimediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsStep 3.7 Flashhigh