StepFun: Step 3.7 Flash vs Thinking Machines: Inkling

Step 3.7 Flash (medium) 平均分领先，为 8.0 vs 8.0。 Inkling (medium) benchmark 成本更低，为 $0.391 vs $0.515。 Inkling (medium) 更快，为 16.21s vs 26.37s，通过率为 72.7% vs 78.8%。

推荐模型Inkling (medium)它的得分接近这里的最高分（8.0 vs 8.0），同时响应速度比Step 3.7 Flash (medium)快约 1.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29	Inkling Inkling medium 发布日期: 2026-07-18

指标	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29	Inkling Inkling medium 发布日期: 2026-07-18
分数	8.0	8.0
排名	#29	#32
可靠性	9.9	9.8
一致性	8.9	8.2
测试正确
尝试通过率	72.7%	78.8%
不稳定测试	3	5
总运行次数	64	66
每个结果成本	3.676	2.604
总成本	$0.515	$0.391
输入价格	$0.200 / 1M	$1.000 / 1M
输出价格	$1.150 / 1M	$4.050 / 1M
总输入令牌	114,062	124,053
输出令牌	427,572	12,189
推理令牌	0	53,597
响应时间（平均）	26.37s	16.21s
响应时间（最大）	152.83s	85.12s
响应时间（总计）	580.25s	356.54s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#29 Step 3.7 Flash

medium

成本: $0.006
时间: 46.2s
令牌: 4,466 tok

#32 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

类别:

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	7.9	91.7%	1		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	7.7	10.0	66.7%	0		48.27s	708	70,347	0
Inkling	5.3	7.2	44.4%	1		35.60s	795	68	20,323

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 Flashmedium Kimi K3maxvsInklingmedium Step 3.7 FlashmediumvsInklinghigh GPT-5.6 TerrahighvsInklingmedium Step 3.7 FlashmediumvsGLM 5.2high Muse Spark 1.1highvsStep 3.7 Flashmedium InklingmediumvsGLM 5.2high GPT-5.2 ChatnonevsInklingmedium Kimi K3maxvsStep 3.7 Flashmedium GPT-5.6 TerrahighvsStep 3.7 Flashmedium Muse Spark 1.1highvsInklingmedium Claude Opus 4.8lowvsInklingmedium