AI BENCHY 对比
StepFun: Step 3.7 Flash vs Xiaomi: MiMo-V2-Omni
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-Omni MiMo-V2-Omni medium |
|---|---|---|
| 分数 | 7.1 | 6.9 |
| 排名 | #74 | #81 |
| 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% | 58.3% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 60 | 52 |
| 每个结果成本 | 8.723 | 7.334 |
| 总成本 | $0.960 | $0.734 |
| 输入价格 | $0.200 / 1M | $0.400 / 1M |
| 输出价格 | $1.150 / 1M | $2.000 / 1M |
| 输出令牌 | 828,084 | 1,952 |
| 推理令牌 | 0 | 357,306 |
| 响应时间（平均） | 49.43s | 41.16s |
| 响应时间（最大） | 192.75s | 299.23s |
| 响应时间（总计） | 988.58s | 823.26s |
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-Omni | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 269 | 1,701 |
| 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-Omni | 3.4 | 4.8 | 16.7% | 1 | 183.89s | 292 | 174,314 |
| 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-Omni | 10.0 | 10.0 | 100.0% | 0 | 25.87s | 380 | 8,673 |
| 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-Omni | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 155 | 591 |
| 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-Omni | 3.0 | 10.0 | 0.0% | 0 | 47.89s | 155 | 68,398 |
| 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-Omni | 5.4 | 2.5 | 66.7% | 1 | 3.61s | 136 | 492 |
| 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-Omni | 8.3 | 10.0 | 50.0% | 0 | 4.99s | 49 | 515 |
| 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-Omni | 5.9 | 7.2 | 55.6% | 1 | 2.38s | 210 | 860 |
| 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-Omni | 10.0 | 10.0 | 100.0% | 0 | 13.98s | 303 | 3,461 |
| 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-Omni | 3.0 | 10.0 | 0.0% | 0 | 234.19s | 3 | 98,301 |
快速对比
切换对比组合
GPT-5 MinimediumvsStep 3.7 FlashhighGPT-5.4 NanomediumvsStep 3.7 FlashhighSeed-2.0-MinimediumvsStep 3.7 FlashhighQwen3.6 Max PreviewnonevsStep 3.7 FlashhighClaude Opus 4.6mediumvsStep 3.7 FlashhighDeepSeek V4 ProhighvsMiMo-V2-OmnimediumStep 3.7 FlashhighvsMiMo-V2-FlashmediumRing-2.6-1TnonevsStep 3.7 FlashhighRing-2.6-1TmediumvsStep 3.7 FlashhighClaude Sonnet 4.6nonevsMiMo-V2-OmnimediumQwen3.5-35B-A3BmediumvsStep 3.7 FlashhighClaude Sonnet 4.6nonevsStep 3.7 Flashhigh