Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

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

Resumen

Comparación benchmark de Qwen3.7 Max vs Step 3.7 Flash: Qwen3.7 Max lidera en puntuación media con 9.4 vs 7.7. Step 3.7 Flash tiene menor coste de benchmark con $0.341 vs $0.523. Step 3.7 Flash es más rápido con 15.74s vs 16.02s, con tasas de acierto de 88.9% vs 68.3%.

Modelo recomendado: Qwen3.7 Max - Tiene la puntuación más alta en esta comparación (9.4) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-12

Métrica Qwen3.7 Max Qwen3.7 Max medium Lanzamiento: 2026-05-22 Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29
Puntuación 9.4 7.7
Rango #4 #42
Fiabilidad 10.0 10.0
Consistencia 9.6 8.4
Pruebas correctas
Tasa de aciertos por intento 88.9% 68.3%
Pruebas inestables 1 4
Ejecuciones totales 63 63
Costo por resultado 5.517 2.840
Costo total $0.523 $0.341
Precio de entrada $1.250 / 1M $0.200 / 1M
Precio de salida $3.750 / 1M $1.150 / 1M
Total de tokens de entrada 42,360 40,101
Tokens de salida 2,129 289,325
Tokens de razonamiento 122,959 0
Tiempo de respuesta (promedio) 16.02s 15.74s
Tiempo de respuesta (máximo) 59.98s 124.75s
Tiempo de respuesta (total) 336.51s 330.63s

Generation showcase

Hamster playing table tennis

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

#4 Qwen3.7 Max

medium
Cost
$0.017
Time
68.8s
Tokens
4,526 tok

#42 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
Qwen3.7 Max 10.0 10.0 100.0% 0 6.36s 672 222 8,742
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
Qwen3.7 Max 10.0 10.0 100.0% 0 35.31s 7,893 423 34,808
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
Qwen3.7 Max 10.0 10.0 100.0% 0 19.60s 14,934 366 8,405
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
Qwen3.7 Max 10.0 10.0 100.0% 0 8.80s 7,782 270 6,254
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
Qwen3.7 Max 5.9 7.2 55.6% 1 24.94s 771 61 31,793
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
Qwen3.7 Max 10.0 10.0 100.0% 0 11.70s 516 135 4,457
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
Qwen3.7 Max 10.0 10.0 100.0% 0 7.46s 699 102 5,452
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
Qwen3.7 Max 10.0 10.0 100.0% 0 8.84s 696 259 8,908
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
Qwen3.7 Max 10.0 10.0 100.0% 0 6.63s 8,193 267 1,220
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
Qwen3.7 Max 3.0 10.0 0.0% 0 33.37s 204 24 12,920
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 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.5lowvsQwen3.7 MaxmediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6mediumDisponible gratisvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowGemini 3.5 FlashlowvsQwen3.7 Maxmedium