#74 Step 3.7 Flash
high- 成本
- $0.007
- 时间
- 63.6s
- 令牌
- 6,030 tok
摘要
Step 3.7 Flash 在 AI BENCHY 上得分 7.1，排名 #74。它的可靠性为 9.9，通过率为 65.8%，总成本为 $0.960，平均响应时间为 49.43s。
输入价格
$0.200 / 1M
输出价格
$1.150 / 1M
不稳定测试
4
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-06-04 14:10 新增测试 | 7.0 | 10.0 | $1.148 | 比较 | |
| 2026-05-29 11:53 首次运行 | 7.1 | 9.9 | $0.960 | 当前轮次 |
轮次对比
| 测试轮次 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总输入令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-29 11:53 · 首次运行 | 7.1 | 8.2 | 9.9 | 11/20 | 4 | 828,084 | 0 | $0.960 | 49.43s |
| 2026-06-04 14:10 · 新增测试 | 7.0 | 8.2 | 10.0 | 11/21 | 4 | 991,355 | 38,391 | $1.148 | 64.46s |
| 差值 | +0.1 | 0.0 | -0.1 | 0 | 0 | -163271 | -38391 | -$0.189 | -15027ms |
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
Step 3.7 FlashhighvsClaude Opus 4.8noneStep 3.7 FlashhighvsGemma 4 26B A4Bmedium免费可用Step 3.7 FlashhighvsQwen3.7 PlusnoneStep 3.7 FlashhighvsClaude Sonnet 4.6noneStep 3.7 FlashhighvsGLM 5.2noneStep 3.7 FlashhighvsGemini 3.5 FlashhighStep 3.7 FlashhighvsGemini 3 Flash PreviewmediumStep 3.7 FlashhighvsNemotron 3 Ultra 550b A55bmedium免费可用Step 3.7 FlashhighvsGPT-5.5low