Navigation
AI BENCHY
Advertise here

AI BENCHY Compare

Qwen: Qwen3.7 Max vs StepFun: Step 3.7 Flash

Zusammenfassung

Qwen3.7 Max vs Step 3.7 Flash Benchmark-Vergleich: Qwen3.7 Max führt beim Durchschnittsscore mit 9.4 vs 7.7. Step 3.7 Flash hat die niedrigeren Benchmark-Kosten mit $0.341 vs $0.523. Step 3.7 Flash ist schneller mit 15.74s vs 16.02s, mit Erfolgsraten von 88.9% vs 68.3%.

Empfohlenes Modell: Qwen3.7 Max - Es hat die stärkste Punktzahl in diesem Vergleich (9.4) und die beste Gesamtbalance aus Kosten und Antwortzeit über alle 2 Modelle.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-06-12

Metrik Qwen3.7 Max Qwen3.7 Max medium Veröffentlichung: 2026-05-22 Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29
Punktzahl 9.4 7.7
Rang #4 #42
Zuverlässigkeit 10.0 10.0
Konsistenz 9.6 8.4
Korrekte Tests
Erfolgsquote pro Versuch 88.9% 68.3%
Instabile Tests 1 4
Gesamtläufe 63 63
Kosten pro Ergebnis 5.517 2.840
Gesamtkosten $0.523 $0.341
Eingabepreis $1.250 / 1M $0.200 / 1M
Ausgabepreis $3.750 / 1M $1.150 / 1M
Gesamte Eingabe-Token 42,360 40,101
Ausgabe-Token 2,129 289,325
Denk-Token 122,959 0
Antwortzeit (Durchschnitt) 16.02s 15.74s
Antwortzeit (Maximum) 59.98s 124.75s
Antwortzeit (Gesamt) 336.51s 330.63s

Generation showcase

Hamster playing table tennis

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

#4 Qwen3.7 Max

medium
Cost
$0.017
Time
68.8s
Tokens
4,526 tok

#42 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
25.3s
Tokens
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

Anti-KI-Tricks Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Qwen3.7 Max 10.0 10.0 100.0% 0 6.36s 672 222 8,742
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
Qwen3.7 Max 10.0 10.0 100.0% 0 35.31s 7,893 423 34,808
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
Qwen3.7 Max 10.0 10.0 100.0% 0 19.60s 14,934 366 8,405
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 0
Datenanalyse und -extraktion Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Qwen3.7 Max 10.0 10.0 100.0% 0 8.80s 7,782 270 6,254
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
Qwen3.7 Max 5.9 7.2 55.6% 1 24.94s 771 61 31,793
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
Qwen3.7 Max 10.0 10.0 100.0% 0 11.70s 516 135 4,457
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
Qwen3.7 Max 10.0 10.0 100.0% 0 7.46s 699 102 5,452
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
Qwen3.7 Max 10.0 10.0 100.0% 0 8.84s 696 259 8,908
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
Qwen3.7 Max 10.0 10.0 100.0% 0 6.63s 8,193 267 1,220
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
Qwen3.7 Max 3.0 10.0 0.0% 0 33.37s 204 24 12,920
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

Schnellvergleich

Vergleichspaar wechseln

Claude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.5lowvsQwen3.7 MaxmediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6mediumKostenlos verfügbarvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowGemini 3.5 FlashlowvsQwen3.7 Maxmedium