- 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 (medium)
平均分几乎持平，为 7.9 vs 8.0。 Inkling (medium) benchmark 成本更低，为 $0.377 vs $0.495。 Inkling (medium) 更快，为 15.66s vs 23.51s，通过率为 68.2% vs 75.8%。
- 排名
- #57
- 总输出令牌
- 63,842
- 响应时间（平均）
- 15.66s
- 总成本
- $0.377
推荐模型
Inkling (medium)
它在这里得分最高（8.0），同时响应速度比Step 3.7 Flash (medium)快约 1.5 倍。
详细对比
| 指标 | Step 3.7 Flash Step 3.7 Flash medium | Inkling Inkling medium |
|---|---|---|
| 分数 | 7.9 | 8.0 |
| 排名 | #61 | #57 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 8.5 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 68.2% | 75.8% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 3.801 | 2.551 |
| 总成本 | $0.495 | $0.377 |
| 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 | 124,062 |
| 输出令牌 | 409,709 | 12,190 |
| 推理令牌 | 0 | 51,652 |
| 响应时间（平均） | 23.51s | 15.66s |
| 响应时间（最大） | 152.83s | 85.12s |
| 响应时间（总计） | 517.21s | 344.52s |
| 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
#57 Thinking Machines: Inkling
medium- 成本
- $0.004
- 时间
- 11.2s
- 令牌
- 852 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 | 8.7 | 9.5 | 75.0% | 0 | 6.49s | 645 | 333 | 3,091 |
| 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 | 8.4 | 7.8 | 77.8% | 1 | 25.20s | 7,374 | 525 | 14,457 |
| 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 | 41.15s | 98,542 | 10,088 | 4,626 |
| 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 | 3.60s | 7,068 | 216 | 813 |
| 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 | 5.3 | 7.2 | 44.4% | 1 | 31.59s | 804 | 69 | 18,378 |
| 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 | 4.65s | 501 | 170 | 699 |
| 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 | 6.17s | 708 | 93 | 1,886 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 5.18s | 714 | 370 | 2,310 |
| 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 | 4.48s | 7,487 | 296 | 298 |
| 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 | 2.8 | 1.6 | 33.3% | 1 | 21.69s | 219 | 30 | 5,094 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.6 TerrahighvsInklingmediumKimi K3maxvsStep 3.7 FlashmediumQwen3.8 27BlowvsStep 3.7 FlashmediumInklingmediumvsGLM 5.2highKimi K3maxvsInklingmediumGPT-5.6 TerrahighvsStep 3.7 FlashmediumGPT-5.2 ChatnonevsInklingmediumDeepSeek V4 Flash 0731highvsInklingmediumQwen3.8 27BlowvsInklingmediumDeepSeek V4 Flash 0731lowvsInklingmediumStep 3.7 FlashmediumvsGLM 5.2high