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: Qwen3.7 Max vs StepFun: Step 3.7 Flash

Resumen

Comparación benchmark de Qwen3.7 Max vs Step 3.7 Flash: Step 3.7 Flash lidera en puntuación media con 7.1 vs 6.9. Qwen3.7 Max tiene menor coste de benchmark con $0.054 vs $1.148. Qwen3.7 Max es más rápido con 1.30s vs 64.46s, con tasas de acierto de 66.7% vs 63.5%.

Modelo recomendado: Qwen3.7 Max - Su puntuación se mantiene cerca de la mejor aquí (6.9 vs 7.1) y cuesta aproximadamente 21.3x menos que Step 3.7 Flash.

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

Métrica Qwen3.7 Max Qwen3.7 Max none Lanzamiento: 2026-05-22 Step 3.7 Flash Step 3.7 Flash high Lanzamiento: 2026-05-29
Puntuación 6.9 7.1
Rango #69 #63
Fiabilidad 10.0 10.0
Consistencia 10.0 8.2
Pruebas correctas
Tasa de aciertos por intento 66.7% 63.5%
Pruebas inestables 0 4
Ejecuciones totales 63 63
Costo por resultado 0.744 10.434
Costo total $0.054 $1.148
Precio de entrada $1.250 / 1M $0.200 / 1M
Precio de salida $3.750 / 1M $1.150 / 1M
Total de tokens de entrada 37,107 38,391
Tokens de salida 1,994 991,355
Tokens de razonamiento 0 0
Tiempo de respuesta (promedio) 1.30s 64.46s
Tiempo de respuesta (máximo) 3.92s 364.99s
Tiempo de respuesta (total) 27.21s 1353.57s

Generation showcase

Hamster playing table tennis

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

#69 Qwen3.7 Max

none
Cost
$0.046
Time
195.0s
Tokens
12,171 tok

#63 Step 3.7 Flash

high
Cost
$0.007
Time
63.6s
Tokens
6,030 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 6.5 10.0 50.0% 0 1.08s 696 242 0
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 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 5.5 10.0 33.3% 0 1.35s 7,911 582 0
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 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 3.0 10.0 0.0% 0 2.17s 9,549 171 0
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 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 1.35s 7,794 243 0
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 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 7.7 10.0 66.7% 0 975ms 789 15 0
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 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 1.04s 522 120 0
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 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 943ms 711 72 0
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 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 1.13s 714 314 0
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 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 3.92s 8,211 222 0
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 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 856ms 210 13 0
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

Comparación rápida

Cambiar par de comparación

Step 3.7 FlashhighvsGLM 5.1mediumStep 3.7 FlashhighvsMiMo-V2-FlashmediumGemini 3.5 FlashminimalvsQwen3.7 MaxnoneRing-2.6-1TmediumvsQwen3.7 MaxnoneQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighQwen3.7 MaxnonevsStep 3.5 FlashmediumGemma 4 26B A4BmediumDisponible gratisvsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighQwen3.7 MaxnonevsMiMo-V2.5mediumClaude Opus 4.8nonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsQwen3.7 Maxnone