AI BENCHY 对比
StepFun: Step 3.7 Flash vs Xiaomi: MiMo-V2-Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | Step 3.7 Flash Step 3.7 Flash high | MiMo-V2-Flash MiMo-V2-Flash medium |
|---|---|---|
| 分数 | 7.1 | 7.1 |
| 排名 | #74 | #77 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.2 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 65.8% | 63.3% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 8.723 | 0.345 |
| 总成本 | $0.960 | $0.038 |
| 输入价格 | $0.200 / 1M | $0.100 / 1M |
| 输出价格 | $1.150 / 1M | $0.300 / 1M |
| 输出令牌 | 828,084 | 12,458 |
| 推理令牌 | 0 | 115,182 |
| 响应时间（平均） | 49.43s | 20.28s |
| 响应时间（最大） | 192.75s | 96.01s |
| 响应时间（总计） | 988.58s | 283.87s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 13.40s | 42,656 | 0 | |
| MiMo-V2-Flash | 8.1 | 7.9 | 83.3% | 1 | 15.85s | 1,674 | 23,559 |
| 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 3.7 Flash | 3.6 | 4.6 | 25.0% | 1 | 126.82s | 164,069 | 0 | |
| MiMo-V2-Flash | 4.1 | 5.8 | 33.3% | 1 | 7.20s | 456 | 3,648 |
| 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 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 13.01s | 8,802 | 0 | |
| MiMo-V2-Flash | 9.8 | 10.0 | 100.0% | 0 | 75.68s | 442 | 26,859 |
| 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 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 14.72s | 23,113 | 0 | |
| MiMo-V2-Flash | 6.5 | 10.0 | 50.0% | 0 | 0ms | 153 | 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 3.7 Flash | 4.1 | 4.4 | 44.5% | 2 | 149.64s | 410,502 | 0 | |
| MiMo-V2-Flash | 5.9 | 7.2 | 55.6% | 1 | 96.01s | 8,374 | 42,461 |
| 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 3.7 Flash | 5.5 | 10.0 | 0.0% | 0 | 4.17s | 2,862 | 0 | |
| MiMo-V2-Flash | 4.0 | 10.0 | 0.0% | 0 | 4.20s | 87 | 488 |
| 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 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.52s | 2,010 | 0 | |
| MiMo-V2-Flash | 10.0 | 10.0 | 100.0% | 0 | 4.28s | 75 | 3,504 |
| 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 3.7 Flash | 5.3 | 7.2 | 44.4% | 1 | 10.22s | 25,422 | 0 | |
| MiMo-V2-Flash | 7.7 | 10.0 | 66.7% | 0 | 3.87s | 864 | 1,948 |
| 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 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.79s | 1,172 | 0 | |
| MiMo-V2-Flash | 10.0 | 10.0 | 100.0% | 0 | 27.78s | 321 | 12,715 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 149.34s | 147,476 | 0 | |
| MiMo-V2-Flash | 3.0 | 10.0 | 0.0% | 0 | 1.96s | 12 | 0 |
快速对比
切换对比组合
GPT-5 MinimediumvsStep 3.7 FlashhighClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumQwen3.6 Max PreviewnonevsMiMo-V2-FlashmediumGPT-5.4 NanomediumvsStep 3.7 FlashhighSeed-2.0-MinimediumvsStep 3.7 FlashhighDeepSeek V4 ProhighvsMiMo-V2-FlashmediumQwen3.6 Max PreviewnonevsStep 3.7 FlashhighClaude Opus 4.6mediumvsStep 3.7 FlashhighRing-2.6-1TnonevsStep 3.7 FlashhighRing-2.6-1TmediumvsStep 3.7 FlashhighQwen3.5-35B-A3BmediumvsStep 3.7 FlashhighClaude Sonnet 4.6nonevsStep 3.7 Flashhigh