- 排名
- #61
- 总输出令牌
- 409,709
- 响应时间（平均）
- 23.51s
- 总成本
- $0.495
Step 3.7 Flash (medium) vs Inkling (high)
Inkling (high) 平均分领先，为 8.0 vs 7.9。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.495 vs $1.041。 Step 3.7 Flash (medium) 更快，为 23.51s vs 62.57s，通过率为 68.2% vs 77.3%。
- 排名
- #52
- 总输出令牌
- 236,627
- 响应时间（平均）
- 62.57s
- 总成本
- $1.041
推荐模型
Step 3.7 Flash (medium)
它的得分接近这里的最高分（7.9 vs 8.0），同时成本比Inkling (high)低约 2.1 倍。
详细对比
| 指标 | Step 3.7 Flash Step 3.7 Flash medium | Inkling Inkling high |
|---|---|---|
| 分数 | 7.9 | 8.0 |
| 排名 | #61 | #52 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 8.9 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 68.2% | 77.3% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 3.801 | 6.968 |
| 总成本 | $0.495 | $1.041 |
| 输入价格 | $0.200 / 1M | $0.950 / 1M |
| 输出价格 | $1.150 / 1M | $4.050 / 1M |
| 总输入令牌 | 114,191 | 86,755 |
| 输出令牌 | 409,709 | 6,057 |
| 推理令牌 | 0 | 230,570 |
| 响应时间（平均） | 23.51s | 62.57s |
| 响应时间（最大） | 152.83s | 327.51s |
| 响应时间（总计） | 517.21s | 1376.46s |
| 参数量 | 198B 总计 (11B 激活) | 975B 总计 (41B 激活) |
| 开放状态 | 开源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#61 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 tok
#52 Thinking Machines: Inkling
high- 成本
- $0.005
- 时间
- 32.2s
- 令牌
- 1,275 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 | 8.7 | 7.9 | 91.7% | 1 | 9.65s | 756 | 32,185 | 0 | |
| Inkling | 10.0 | 10.0 | 100.0% | 0 | 12.68s | 702 | 455 | 7,204 |
| 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 | 8.8 | 7.8 | 88.9% | 1 | 27.42s | 7,437 | 44,797 | 0 | |
| Inkling | 8.5 | 10.0 | 66.7% | 0 | 148.36s | 7,374 | 430 | 78,982 |
| 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 | 7.3 | 5.8 | 83.3% | 1 | 80.94s | 87,764 | 114,720 | 0 | |
| Inkling | 7.3 | 5.8 | 83.3% | 1 | 63.78s | 61,296 | 3,854 | 19,895 |
| 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 | 2.75s | 7,398 | 3,020 | 0 | |
| Inkling | 10.0 | 10.0 | 100.0% | 0 | 8.19s | 7,068 | 216 | 2,349 |
| 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 | 5.3 | 10.0 | 33.3% | 0 | 27.26s | 837 | 52,484 | 0 | |
| Inkling | 7.7 | 10.0 | 66.7% | 0 | 174.68s | 692 | 61 | 86,556 |
| 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 | 4.0 | 10.0 | 0.0% | 0 | 6.85s | 525 | 3,987 | 0 | |
| Inkling | 10.0 | 10.0 | 100.0% | 0 | 6.53s | 501 | 182 | 1,151 |
| 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 | 1.83s | 735 | 2,166 | 0 | |
| Inkling | 9.8 | 10.0 | 100.0% | 0 | 7.00s | 708 | 93 | 2,098 |
| 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 | 5.7 | 9.9 | 33.3% | 0 | 6.19s | 756 | 15,071 | 0 | |
| Inkling | 6.9 | 4.9 | 77.8% | 2 | 10.69s | 714 | 429 | 4,623 |
| 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 | 4.16s | 7,746 | 2,115 | 0 | |
| Inkling | 3.0 | 10.0 | 0.0% | 0 | 6.52s | 7,481 | 307 | 601 |
| 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 | 113.98s | 237 | 139,164 | 0 | |
| Inkling | 3.0 | 10.0 | 0.0% | 0 | 153.57s | 219 | 30 | 27,111 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsStep 3.7 FlashmediumKimi K3maxvsStep 3.7 FlashmediumQwen3.8 27BlowvsStep 3.7 FlashmediumDeepSeek V4 Flash 0731lowvsInklinghighMuse Glimmer 30BxhighvsInklinghighGPT-5 MinimediumvsInklinghighGPT-5.6 TerrahighvsStep 3.7 FlashmediumQwen3.8 2.4T A95BlowvsInklinghighStep 3.7 FlashmediumvsGLM 5.2highDeepSeek V4 Flash 0731highvsStep 3.7 FlashmediumDeepSeek V4 Flash 0731lowvsStep 3.7 FlashmediumKimi K3maxvsInklinghigh