Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Qwen: Qwen3.5 Plus 2026-02-15 vs StepFun: Step 3.7 Flash

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-05-29

Métrica Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium Lanzamiento: 2026-02-15 Step 3.7 Flash Step 3.7 Flash medium Lanzamiento: 2026-05-29
Puntuación 8.1 7.9
Rango #23 #32
Fiabilidad 10.0 9.9
Consistencia 8.8 9.2
Pruebas correctas
Tasa de aciertos por intento 76.7% 71.7%
Pruebas inestables 3 2
Ejecuciones totales 60 58
Costo por resultado 2.251 2.663
Costo total $0.316 $0.347
Precio de entrada $0.260 / 1M $0.200 / 1M
Precio de salida $1.560 / 1M $1.150 / 1M
Tokens de salida 2,145 294,481
Tokens de razonamiento 172,563 0
Tiempo de respuesta (promedio) 67.58s 18.32s
Tiempo de respuesta (máximo) 266.69s 113.98s
Tiempo de respuesta (total) 878.57s 366.45s

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

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5 Plus 2026-02-15 8.2 7.9 83.3% 1 45.78s 205 21,236
Step 3.7 Flash 8.7 7.9 91.7% 1 9.65s 32,185 0
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5 Plus 2026-02-15 7.6 6.7 66.7% 1 193.80s 406 63,554
Step 3.7 Flash 8.2 6.7 83.3% 1 10.64s 19,320 0
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 46.85s 421 7,906
Step 3.7 Flash 10.0 10.0 100.0% 0 9.06s 7,106 0
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 46.91s 270 14,916
Step 3.7 Flash 10.0 10.0 100.0% 0 2.75s 3,020 0
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5 Plus 2026-02-15 5.3 10.0 33.3% 0 17.50s 35 16,680
Step 3.7 Flash 7.7 10.0 66.7% 0 48.27s 70,347 0
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5 Plus 2026-02-15 4.7 1.6 66.7% 1 79.86s 73 8,675
Step 3.7 Flash 4.0 10.0 0.0% 0 6.85s 3,987 0
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 31.93s 101 7,704
Step 3.7 Flash 9.8 10.0 100.0% 0 1.83s 2,166 0
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 32.50s 301 13,853
Step 3.7 Flash 5.7 9.9 33.3% 0 6.19s 15,071 0
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 7.54s 309 909
Step 3.7 Flash 10.0 10.0 100.0% 0 4.16s 2,115 0
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5 Plus 2026-02-15 3.0 10.0 0.0% 0 103.81s 24 17,130
Step 3.7 Flash 3.0 10.0 0.0% 0 113.98s 139,164 0

Comparación rápida

Cambiar par de comparación

Qwen3.7 MaxnonevsStep 3.7 FlashmediumGPT-5.2 ChatnonevsStep 3.7 FlashmediumGemini 3.5 FlashminimalvsStep 3.7 FlashmediumGemini 3.5 FlashminimalvsQwen3.5 Plus 2026-02-15mediumGPT-5.2 ChatnonevsQwen3.5 Plus 2026-02-15mediumGemini 3 Flash PreviewnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighDisponible gratisvsStep 3.7 FlashmediumGemini 3.1 Flash Lite PreviewlowvsStep 3.7 FlashmediumGemini 3 Flash PreviewnonevsQwen3.5 Plus 2026-02-15mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighDisponible gratisvsQwen3.5 Plus 2026-02-15mediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5 Plus 2026-02-15medium