#32 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 tok
Stepfun
发布日期: 2026-05-29
测试于: 2026-05-29 11:49
stepfun/step-3.7-flash::medium
198B 总计 (11B 激活)MoE开源
摘要
Step 3.7 Flash 在 AI BENCHY 上得分 7.9，排名 #32。它的可靠性为 9.9，通过率为 71.7%，总成本为 $0.404，平均响应时间为 20.29s。
Step 3.7 Flash 的独特之处： 它最突出的是 领域专项，排名 #1；相对较弱的是 通用智能，排名 #18。 在这个得分水平下，它的 benchmark 总成本异常低。
模型信息
调研日期：2026-08-12
- 参数量
- 198B 总计 (11B 激活)
- 架构
- MoE
- 开放状态
- 开源
- 许可证
- Apache-2.0
输入价格
$0.200 / 1M
输出价格
$1.150 / 1M
不稳定测试
2
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）。
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 |
|---|---|---|---|---|---|
| 2026-08-14 02:31 重新测试 | 7.9 | 10.0 | $0.495 | 比较 | |
| 2026-07-16 22:50 新增测试 | 8.0 | 9.9 | $0.515 | 比较 | |
| 2026-06-04 13:52 新增测试 | 8.0 | 9.9 | $0.376 | 比较 | |
| 2026-05-29 11:49 首次运行 | 7.9 | 9.9 | $0.404 | 当前轮次 |
轮次对比
| 测试轮次 | 基准测试覆盖率 | 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 | 60/60 次尝试 | 7.9 | 9.2 | 9.9 | 13/20 | 2 | 344,492 | 0 | $0.404 | 20.29s |
| 2026-08-14 02:31 · 重新测试 | 66/66 次尝试 | 7.9 | 8.9 | 10.0 | 13/22 | 3 | 409,709 | 114,191 | $0.495 | 23.51s |
| 差值 | — | 0.0 | +0.3 | -0.1 | 0 | -1 | -65217 | -114191 | -$0.091 | -3220ms |
基准测试覆盖率不同：60/60 次尝试 (目标：每项测试重复 3 次) 对比 66/66 次尝试 (目标：每项测试重复 3 次)。总量和受重复次数影响的指标不能直接比较。
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 FlashmediumvsGPT-5.2 ChatnoneStep 3.7 FlashmediumvsQwen3.8 27BlowStep 3.7 FlashmediumvsKimi K3maxStep 3.7 FlashmediumvsQwen3.7 PlusmediumStep 3.7 FlashmediumvsGPT-5.6 TerrahighStep 3.7 FlashmediumvsQwen3.6 PlusmediumStep 3.7 FlashmediumvsInklingmediumStep 3.7 FlashmediumvsGemini 3.5 Flash LitemediumStep 3.7 FlashmediumvsGLM 5.2highStep 3.7 FlashmediumvsGLM 5.2medium