BenchLeader

Step 3.7 Flash

推理强度
质量第 130 / 339 名
53.0Index
高于中位数
较中位数 +2.8
价格第 76 / 255 名
$0.438每百万 token
比多数便宜
中位数的 0.5 倍
速度第 36 / 216 名
148token/秒
前四分之一
中位数的 1.8 倍
性价比第 74 / 255 名
121.0分/$
高于中位数
中位数的 2.2 倍

性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,价格只有四分之一。

有 15 个更便宜的已排名模型得分更高:GLM 5.3 Flash (57.8, $0.238)、DeepSeek V4 Flash (57.2, $0.262)、Claude Haiku 5.5 (56.7, $0.200),另有 12 个。

截至 2026年11月16日,Step 3.7 Flash(StepFun)在 BenchLeader Index 上得分 53.0(共 608 个已排名配置)。表现最好的是指令遵循(67),最弱的是编程(39)。API 价格为每百万 token $0.416(按输入 3 : 输出 1 混合),为 2026年11月16日的标价。输出速度约为 150 token/秒(Artificial Analysis)。发布于 2026年5月29日。

要点(截至 2026年11月16日)

  • Step 3.7 Flash 的 API 价格为每百万 token $0.416(按输入 3 : 输出 1 混合)(标价,2026年11月16日)。
  • Step 3.7 Flash 的输出速度约为 150 token/秒(Artificial Analysis,2026年11月16日)。
  • Step 3.7 Flash 于 2026年5月29日发布(StepFun)。

详细说明:Step 3.7 Flash 是 StepFun 的开放权重推理模型,发布于 2026年5月29日。其最佳配置在 BenchLeader Index 上得分 53.0 ±9.0,在 608 个配置中排第 267 名,处于上半区。关键在于这个“±”:另有 426 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,指令遵循得分最高(67),编程最低(39)。按混合价格计,每百万 token $0.438,比大多数已排名模型便宜。输出速度为 148 token/秒,首次回答需 14.3 秒,位于最快的四分之一。它已在 4 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年5月29日。

混合价格
$0.438/M
输入 $0.200 · 输出 $1.15
来源:Artificial Analysis
输出速度
148 tok/s
由 Artificial Analysis 测量
首次回答
14 s
首 token 3.49 s
上下文
256k
来源:models.dev
完整回答
30 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2026年5月29日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index53
  2. 编程39
  3. 智能体与工具48
  4. 指令遵循67
  5. 多模态58
  6. 长上下文61

嵌入这个排名

更多徽章样式
[![Step 3.7 Flash on BenchLeader: 综合第 129 名](https://www.benchleader.com/badge/step-3-7-flash.svg?style=compact)](https://www.benchleader.com/models/step-3-7-flash)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

StepFun 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

StepFun 以这个名称发布过 3 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
Step 3.7 Flash本页2026年5月29日53.0#267
Step 3.5 Flash2026年4月2日56.3#184
Step 3.5 Flash 02022026年2月2日––

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
low––148 tok/s14 s$0.0004
medium––148 tok/s14 s$0.0004
high––148 tok/s14 s$0.0004数学 51
未说明最佳53.0#267148 tok/s14 s$0.0004智能体与工具 48 · 编程 39 · 指令遵循 67 · 长上下文 61 · 多模态 58

Index 走势

2026年9月9日 至 2026年11月16日
435464

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

元数据

基准测试默认来源趋势
AA Openness Index不计入 Index38.9#155Artificial Analysis

推理

基准测试默认来源趋势
GPQA Diamond (AA)不计入 Index80.9%#189Artificial Analysis
Humanity's Last Exam (AA)不计入 Index21.4%#226Artificial Analysis
CritPt不计入 Index2.3%#217Artificial Analysis

编程

基准测试lowmediumhigh默认来源趋势
SciCode推理强度未说明–––40.0%#180SciCode
SciCode (AA)不计入 Index推理强度未说明–––43.9%#169Artificial Analysis
ALE-Bench不计入 Index推理强度未说明–––694.1#98Epoch AI Benchmarking Hub
Terminal-Bench 2.1 (AA)不计入 Index推理强度未说明–––39.3%#143Artificial Analysis
GameBench 2 Overall不计入 Index跨设置–––23.2#56DuelLab GameBench 2
GameBench 2 by reasoning setting不计入 Index29.4#17226.8#18113.5#202–DuelLab GameBench 2
Design Arena Website不计入 Index推理强度未说明–––1186#90Design Arena

智能体与工具

数学

基准测试high来源趋势
AIME 2026可能存在污染95.0%#18MathArena
HMMT February 2026可能存在污染87.9%#17MathArena
MathArena Apex可能存在污染14.6%#17MathArena

指令遵循

基准测试默认来源趋势
IFBench67.3%#88Artificial Analysis

多模态

基准测试默认来源趋势
MMMU-Pro75.3%#115Artificial Analysis

长上下文

基准测试默认来源趋势
AA-LCR v1.173.7%#190Artificial Analysis

综合

基准测试默认来源趋势
AA Intelligence Index v4.3.2不计入 Index19.5#249Artificial Analysis
AA Progress Index v1不计入 Index264.2#230Artificial Analysis

GameBench 2 Overall: 23.2. GameBench 2, best reasoning setting (Low): 29.4. 仅供参考,不计入 BenchLeader Index。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
StepFun145 tok/s3.69 s$0.200$1.15256kfp8
NovitaAI51 tok/s7.64 s$0.200$1.15262kfp8

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$0.316$0.632$0.949$1.2626年9月26年10月26年11月
输入 输出
当前:输入 $0.200 · 输出 $1.15

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.040。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0004$0.000416.3 s
总结一份 30 页的报告12,000 / 600$0.0031$0.001718.3 s
代码编辑6,000 / 1,500$0.0029$0.002224.4 s
智能体编程会话60,000 / 4,000$0.017$0.009441.3 s
结构化信息提取2,000 / 200$0.0006$0.000415.6 s

StepFun 的更多模型

本月新上线

将 Step 3.7 Flash 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Step 3.7 Flash 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Step 3.7 Flash on BenchLeader: 综合第 129 名](https://www.benchleader.com/badge/step-3-7-flash.svg)](https://www.benchleader.com/models/step-3-7-flash)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Step 3.7 Flash on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/step-3-7-flash

BibTeX:

@misc{benchleader_step_3_7_flash_20261116,
  author       = {{BenchLeader}},
  title        = {{Step 3.7 Flash on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/step-3-7-flash}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Step 3.7 Flash 的基准测试得分是多少?
截至 2026年11月16日,Step 3.7 Flash 的 BenchLeader Index 为 53.0 ±9.0。最强的是指令遵循(67),最弱的是编程(39)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Step 3.7 Flash 排名第几?
截至 2026年11月16日,Step 3.7 Flash 在 608 个已排名配置中排第 267 名。另有 426 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Step 3.7 Flash 每百万 token 的价格是多少?
截至 2026年11月16日,Step 3.7 Flash 的价格为输入每百万 token $0.200、输出每百万 token $1.15,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.438。标价最近一次变动是在 2026年9月9日。
Step 3.7 Flash 比 MiniMax M3.1 Flash 更好吗?
截至 2026年11月16日,MiniMax M3.1 Flash 与 Step 3.7 Flash 的质量不相上下(BenchLeader Index 54.3 比 53.0,在 ±10.1 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
Step 3.7 Flash 是什么时候发布的?
StepFun 于 2026年5月29日发布了 Step 3.7 Flash。BenchLeader 收录了它在 4 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Step 3.7 Flash:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/step-3-7-flash。