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

Qwen3.5-27B (medium) lidera en puntuación media con 7.4 vs 7.3. Step 3.7 Flash (low) tiene menor coste de benchmark con $0.454 vs $1.627. Step 3.7 Flash (low) es más rápido con 20.68s vs 111.94s, con tasas de acierto de 72.7% vs 68.2%.

Modelo recomendadoStep 3.7 Flash (low)Su puntuación se mantiene cerca de la mejor aquí (7.3 vs 7.4) y cuesta aproximadamente 3.6x menos que Qwen3.5-27B (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-18

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

Métrica	Qwen3.5-27B Qwen3.5-27B medium Lanzamiento: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29
Puntuación	7.4	7.3
Rango	#58	#66
Fiabilidad	10.0	10.0
Consistencia	8.2	8.1
Pruebas correctas
Tasa de aciertos por intento	72.7%	68.2%
Pruebas inestables	5	5
Ejecuciones totales	66	66
Costo por resultado	8.324	3.782
Costo total	$1.627	$0.454
Precio de entrada	$0.260 / 1M	$0.200 / 1M
Precio de salida	$2.600 / 1M	$1.150 / 1M
Total de tokens de entrada	111,635	103,833
Tokens de salida	15,999	376,581
Tokens de razonamiento	598,430	0
Tiempo de respuesta (promedio)	111.94s	20.68s
Tiempo de respuesta (máximo)	1026.43s	124.75s
Tiempo de respuesta (total)	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

Coste: $0.008
Tiempo: 62.0s
Tokens: 3,099 tok

#66 Step 3.7 Flash

low

SVG inválido

Coste: $0.004
Tiempo: 25.3s
Tokens: 3,072 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Comparación rápida

Cambiar par de comparación

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