Qwen: Qwen3.5-27B vs StepFun: Step 3.7 Flash

Qwen3.5-27B (medium) führt beim Durchschnittsscore mit 7.4 vs 7.3. Step 3.7 Flash (low) hat die niedrigeren Benchmark-Kosten mit $0.454 vs $1.627. Step 3.7 Flash (low) ist schneller mit 20.68s vs 111.94s, mit Erfolgsraten von 72.7% vs 68.2%.

Empfohlenes ModellStep 3.7 Flash (low)Die Punktzahl bleibt nah an der besten hier (7.3 vs 7.4) und es kostet etwa 3.6x weniger als Qwen3.5-27B (medium).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-18

Metrik	Qwen3.5-27B Qwen3.5-27B medium Veröffentlichung: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29

Metrik	Qwen3.5-27B Qwen3.5-27B medium Veröffentlichung: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29
Punktzahl	7.4	7.3
Rang	#58	#66
Zuverlässigkeit	10.0	10.0
Konsistenz	8.2	8.1
Korrekte Tests
Erfolgsquote pro Versuch	72.7%	68.2%
Instabile Tests	5	5
Gesamtläufe	66	66
Kosten pro Ergebnis	8.324	3.782
Gesamtkosten	$1.627	$0.454
Eingabepreis	$0.260 / 1M	$0.200 / 1M
Ausgabepreis	$2.600 / 1M	$1.150 / 1M
Gesamte Eingabe-Token	111,635	103,833
Ausgabe-Token	15,999	376,581
Denk-Token	598,430	0
Antwortzeit (Durchschnitt)	111.94s	20.68s
Antwortzeit (Maximum)	1026.43s	124.75s
Antwortzeit (Gesamt)	2462.67s	455.01s

Hamster playing table tennis

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

#58 Qwen3.5-27B

medium

Kosten: $0.008
Zeit: 62.0s
Token: 3,099 tok

#66 Step 3.7 Flash

low

Ungültiges SVG

Kosten: $0.004
Zeit: 25.3s
Token: 3,072 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Kategorie:

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Qwen3.5-27B	8.7	7.9	91.7%	1		19.75s	672	569	31,505
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Qwen3.5-27B	6.2	7.1	55.6%	1		160.69s	7,895	6,381	89,388
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Qwen3.5-27B	7.3	5.8	83.3%	1		595.19s	84,417	7,948	279,132
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Qwen3.5-27B	10.0	10.0	100.0%	0		30.26s	7,782	270	16,150
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Qwen3.5-27B	5.3	10.0	33.3%	0		79.53s	553	43	52,368
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Qwen3.5-27B	6.1	3.1	66.7%	1		101.41s	524	70	23,147
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Qwen3.5-27B	10.0	10.0	100.0%	0		19.66s	699	97	11,638
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Qwen3.5-27B	8.2	7.7	77.8%	1		59.60s	696	242	70,096
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Qwen3.5-27B	10.0	10.0	100.0%	0		7.45s	8,193	348	1,323
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Qwen3.5-27B	3.0	10.0	0.0%	0		85.11s	204	31	23,683
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Schnellvergleich

Vergleichspaar wechseln

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow GPT-5.6 TerralowvsQwen3.5-27Bmedium Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow GPT-5.3 ChatnonevsQwen3.5-27Bmedium Gemini 3 Flash PreviewlowvsQwen3.5-27Bmedium KAT-Coder-Pro V2.5lowvsQwen3.5-27Bmedium Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow