#60 Step 3.7 Flash
low
无效SVG
- 成本
- $0.004
- 时间
- 25.3s
- 令牌
- 3,072 tok
摘要
Step 3.7 Flash 在 AI BENCHY 上得分 7.4，排名 #60。它的可靠性为 10.0，通过率为 68.3%，总成本为 $0.336，平均响应时间为 16.06s。
Step 3.7 Flash 的独特之处： 它最突出的是 编程，排名 #1；相对较弱的是 通用智能，排名 #15。
输入价格
$0.200 / 1M
输出价格
$1.150 / 1M
不稳定测试
3
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 13:49 新增测试 | 7.3 | 10.0 | $0.341 | 比较 | |
| 2026-05-29 11:49 首次运行 | 7.4 | 10.0 | $0.336 | 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 11:49 · 首次运行 | 7.4 | 8.7 | 10.0 | 12/20 | 3 | 285,209 | 0 | $0.336 | 16.06s |
| 2026-06-04 13:49 · 新增测试 | 7.3 | 8.4 | 10.0 | 12/21 | 4 | 289,325 | 40,101 | $0.341 | 15.74s |
| 差值 | +0.1 | +0.3 | 0.0 | 0 | -1 | -4116 | -40101 | -$0.006 | +311ms |
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 FlashlowvsGrok 4.3mediumStep 3.7 FlashlowvsQwen3.5-122B-A10BmediumStep 3.7 FlashlowvsMiniMax M3mediumStep 3.7 FlashlowvsKimi K2.6medium免费可用Step 3.7 FlashlowvsDeepSeek V4 ProhighStep 3.7 FlashlowvsGemini 3.5 FlashhighStep 3.7 FlashlowvsGemini 3 Flash PreviewmediumStep 3.7 FlashlowvsNemotron 3 Ultra 550b A55bmedium免费可用Step 3.7 FlashlowvsGPT-5.5low