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

Step 3.7 Flash (low) führt beim Durchschnittsscore mit 7.3 vs 7.2. Qwen3.7 Plus hat die niedrigeren Benchmark-Kosten mit $0.106 vs $0.454. Qwen3.7 Plus ist schneller mit 12.09s vs 20.68s, mit Erfolgsraten von 50.0% vs 68.2%.

Empfohlenes ModellQwen3.7 PlusDie Punktzahl bleibt nah an der besten hier (7.2 vs 7.3) und es kostet etwa 4.3x weniger als Step 3.7 Flash (low).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-17

Metrik	Qwen3.7 Plus Qwen3.7 Plus none Veröffentlichung: 2026-06-03	Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29

Metrik	Qwen3.7 Plus Qwen3.7 Plus none Veröffentlichung: 2026-06-03	Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29
Punktzahl	7.2	7.3
Rang	#68	#64
Zuverlässigkeit	10.0	10.0
Konsistenz	10.0	8.1
Korrekte Tests
Erfolgsquote pro Versuch	50.0%	68.2%
Instabile Tests	0	5
Gesamtläufe	66	66
Kosten pro Ergebnis	1.014	3.782
Gesamtkosten	$0.106	$0.454
Eingabepreis	$0.320 / 1M	$0.200 / 1M
Ausgabepreis	$1.280 / 1M	$1.150 / 1M
Gesamte Eingabe-Token	98,824	103,833
Ausgabe-Token	58,097	376,581
Denk-Token	0	0
Antwortzeit (Durchschnitt)	12.09s	20.68s
Antwortzeit (Maximum)	206.03s	124.75s
Antwortzeit (Gesamt)	265.89s	455.01s

Hamster playing table tennis

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

#68 Qwen3.7 Plus

none

Kosten: $0.019
Zeit: 213.5s
Token: 11,960 tok

#64 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
Qwen3.7 Plus	6.5	10.0	50.0%	0		1.38s	696	349	0
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 Plus	5.5	10.0	33.3%	0		2.15s	7,911	639	0
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 Plus	10.0	10.0	100.0%	0		117.70s	71,266	56,024	0
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
Qwen3.7 Plus	10.0	10.0	100.0%	0		1.43s	7,794	243	0
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 Plus	3.0	10.0	0.0%	0		868ms	789	18	0
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 Plus	5.3	10.0	0.0%	0		1.33s	522	78	0
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 Plus	6.3	10.0	50.0%	0		929ms	711	72	0
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 Plus	7.7	10.0	66.7%	0		1.71s	714	443	0
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 Plus	10.0	10.0	100.0%	0		3.54s	8,211	222	0
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 Plus	3.0	10.0	0.0%	0		1.21s	210	9	0
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 Qwen3.7 PlusnonevsGrok 4.3medium Qwen3.7 PlusnonevsGLM 5.1medium Qwen3.7 PlusnonevsGrok 4.20medium Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsQwen3.7 Plusnone Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Kimi K2.6mediumvsQwen3.7 Plusnone Claude Sonnet 4.6nonevsStep 3.7 Flashlow