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: Qwen3.6 27B vs StepFun: Step 3.7 Flash

Resumen

Comparación benchmark de Qwen3.6 27B vs Step 3.7 Flash: Step 3.7 Flash lidera en puntuación media con 7.3 vs 6.8. Qwen3.6 27B tiene menor coste de benchmark con $0.336 vs $0.341. Step 3.7 Flash es más rápido con 15.74s vs 59.71s, con tasas de acierto de 60.3% vs 68.3%.

Modelo recomendado: Step 3.7 Flash - Tiene la mejor puntuación aquí (7.3) y responde aproximadamente 3.8x más rápido que Qwen3.6 27B.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-10

Métrica Qwen3.6 27B Qwen3.6 27B medium Lanzamiento: 2026-04-20 Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29
Puntuación 6.8 7.3
Rango #79 #58
Fiabilidad 10.0 10.0
Consistencia 8.2 8.4
Pruebas correctas
Tasa de aciertos por intento 60.3% 68.3%
Pruebas inestables 5 4
Ejecuciones totales 63 63
Costo por resultado 3.361 2.840
Costo total $0.336 $0.341
Precio de entrada $0.290 / 1M $0.200 / 1M
Precio de salida $2.400 / 1M $1.150 / 1M
Total de tokens de entrada 39,376 40,101
Tokens de salida 16,189 289,325
Tokens de razonamiento 122,521 0
Tiempo de respuesta (promedio) 59.71s 15.74s
Tiempo de respuesta (máximo) 168.22s 124.75s
Tiempo de respuesta (total) 1254.01s 330.63s

Generation showcase

Hamster playing table tennis

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

#79 Qwen3.6 27B

medium
Cost
$0.009
Time
39.6s
Tokens
3,090 tok

#58 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
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

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
Qwen3.6 27B 8.3 10.0 75.0% 0 12.62s 453 582 4,311
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
Qwen3.6 27B 7.7 10.0 66.7% 0 142.99s 5,051 7,968 43,367
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
Qwen3.6 27B 7.0 3.7 66.7% 1 83.07s 15,104 2,088 14,689
Step 3.7 Flash 10.0 10.0 100.0% 0 7.98s 13,683 6,426 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
Qwen3.6 27B 3.5 1.4 50.0% 2 37.30s 7,778 568 9,404
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
Qwen3.6 27B 2.9 7.2 11.1% 1 73.38s 662 3,510 20,352
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
Qwen3.6 27B 6.5 3.4 66.7% 1 39.53s 516 81 3,045
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
Qwen3.6 27B 10.0 10.0 100.0% 0 37.96s 699 346 6,548
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
Qwen3.6 27B 7.7 10.0 66.7% 0 61.14s 696 255 12,044
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
Qwen3.6 27B 10.0 10.0 100.0% 0 16.88s 8,213 390 2,954
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
Qwen3.6 27B 3.0 10.0 0.0% 0 80.99s 204 401 5,807
Step 3.7 Flash 3.0 10.0 0.0% 0 124.75s 237 134,779 0

Comparación rápida

Cambiar par de comparación

Step 3.7 FlashlowvsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5.1mediumStep 3.7 FlashlowvsGLM 5V TurbomediumKimi K2.6mediumDisponible gratisvsStep 3.7 FlashlowClaude Sonnet 4.6nonevsQwen3.6 27BmediumGPT-5 MinimediumvsStep 3.7 FlashlowGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2-FlashmediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.20mediumQwen3.5-35B-A3BmediumvsStep 3.7 Flashlow