Navigation
AI BENCHY
Advertise here

AI BENCHY Compare

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

Zusammenfassung

Qwen3.7 Plus vs Step 3.7 Flash Benchmark-Vergleich: Step 3.7 Flash führt beim Durchschnittsscore mit 8.5 vs 8.2. Qwen3.7 Plus hat die niedrigeren Benchmark-Kosten mit $0.177 vs $0.376. Step 3.7 Flash ist schneller mit 20.35s vs 38.95s, mit Erfolgsraten von 77.8% vs 73.0%.

Empfohlenes Modell: Qwen3.7 Plus - Die Punktzahl bleibt nah an der besten hier (8.2 vs 8.5) und es kostet etwa 2.1x weniger als Step 3.7 Flash.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-06-18

Metrik Qwen3.7 Plus Qwen3.7 Plus medium Veröffentlichung: 2026-06-03 Step 3.7 Flash Step 3.7 Flash medium Veröffentlichung: 2026-05-29
Punktzahl 8.2 8.5
Rang #25 #20
Zuverlässigkeit 10.0 9.9
Konsistenz 9.1 9.3
Korrekte Tests
Erfolgsquote pro Versuch 77.8% 73.0%
Instabile Tests 2 2
Gesamtläufe 63 61
Kosten pro Ergebnis 1.474 2.686
Gesamtkosten $0.177 $0.376
Eingabepreis $0.320 / 1M $0.200 / 1M
Ausgabepreis $1.280 / 1M $1.150 / 1M
Gesamte Eingabe-Token 40,939 39,981
Ausgabe-Token 2,125 319,958
Denk-Token 125,754 0
Antwortzeit (Durchschnitt) 38.95s 20.35s
Antwortzeit (Maximum) 178.04s 113.98s
Antwortzeit (Gesamt) 817.85s 427.42s

Generierungs-Showcase

Hamster playing table tennis

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

#25 Qwen3.7 Plus

medium
Kosten
$0.018
Zeit
193.2s
Token
10,821 tok

#20 Step 3.7 Flash

medium
Kosten
$0.006
Zeit
46.2s
Token
4,466 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 Plus 10.0 10.0 100.0% 0 8.58s 672 195 5,065
Step 3.7 Flash 8.7 7.9 91.7% 1 9.65s 756 32,185 0
Programmierung Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Qwen3.7 Plus 6.1 6.6 55.6% 1 108.60s 6,472 414 43,576
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0
Kombiniert Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Qwen3.7 Plus 10.0 10.0 100.0% 0 65.24s 14,934 366 10,132
Step 3.7 Flash 10.0 10.0 100.0% 0 9.06s 13,683 7,106 0
Datenanalyse und -extraktion Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Qwen3.7 Plus 10.0 10.0 100.0% 0 21.75s 7,782 270 6,713
Step 3.7 Flash 10.0 10.0 100.0% 0 2.75s 7,398 3,020 0
Domänenspezifisch Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Qwen3.7 Plus 3.6 7.2 22.2% 1 45.35s 771 57 27,073
Step 3.7 Flash 7.7 10.0 66.7% 0 48.27s 708 70,347 0
Allgemeine Intelligenz Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Qwen3.7 Plus 10.0 10.0 100.0% 0 25.48s 516 123 3,998
Step 3.7 Flash 4.0 10.0 0.0% 0 6.85s 525 3,987 0
Befolgung von Anweisungen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Qwen3.7 Plus 10.0 10.0 100.0% 0 16.13s 699 102 5,013
Step 3.7 Flash 9.8 10.0 100.0% 0 1.83s 735 2,166 0
Rätsellösen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Qwen3.7 Plus 10.0 10.0 100.0% 0 16.38s 696 280 7,312
Step 3.7 Flash 5.7 9.9 33.3% 0 6.19s 756 15,071 0
Werkzeugaufrufe Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Qwen3.7 Plus 10.0 10.0 100.0% 0 15.02s 8,193 292 1,831
Step 3.7 Flash 10.0 10.0 100.0% 0 4.16s 7,746 2,115 0
Allgemeinwissen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Qwen3.7 Plus 3.0 10.0 0.0% 0 91.07s 204 26 15,041
Step 3.7 Flash 3.0 10.0 0.0% 0 113.98s 237 139,164 0

Schnellvergleich

Vergleichspaar wechseln

GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsQwen3.7 PlusmediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumGPT-5.2 ChatnonevsQwen3.7 PlusmediumQwen3.7 PlusmediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsQwen3.7 PlusmediumGPT-5.3 ChatnonevsQwen3.7 PlusmediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumGemini 3 Flash PreviewlowvsQwen3.7 PlusmediumGPT-5.5lowvsStep 3.7 FlashmediumClaude Sonnet 4.6nonevsQwen3.7 PlusmediumDeepSeek V4 ProhighvsStep 3.7 Flashmedium