AI BENCHY Compare

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

Resumen

Comparación benchmark de Qwen3.7 Plus vs Step 3.7 Flash: Qwen3.7 Plus lidera en puntuación media con 8.2 vs 7.7. Qwen3.7 Plus tiene menor coste de benchmark con $0.177 vs $0.341. Step 3.7 Flash es más rápido con 15.74s vs 38.95s, con tasas de acierto de 77.8% vs 68.3%.

Modelo recomendado: Qwen3.7 Plus - Tiene la mejor puntuación aquí (8.2) y cuesta aproximadamente 1.9x 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 Plus Qwen3.7 Plus medium Lanzamiento: 2026-06-03	Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29

Métrica	Qwen3.7 Plus Qwen3.7 Plus medium Lanzamiento: 2026-06-03	Step 3.7 Flash Step 3.7 Flash low Lanzamiento: 2026-05-29
Puntuación	8.2	7.7
Rango	#28	#42
Fiabilidad	10.0	10.0
Consistencia	9.1	8.4
Pruebas correctas
Tasa de aciertos por intento	77.8%	68.3%
Pruebas inestables	2	4
Ejecuciones totales	63	63
Costo por resultado	1.474	2.840
Costo total	$0.177	$0.341
Precio de entrada	$0.320 / 1M	$0.200 / 1M
Precio de salida	$1.280 / 1M	$1.150 / 1M
Total de tokens de entrada	40,939	40,101
Tokens de salida	2,125	289,325
Tokens de razonamiento	125,754	0
Tiempo de respuesta (promedio)	38.95s	15.74s
Tiempo de respuesta (máximo)	178.04s	124.75s
Tiempo de respuesta (total)	817.85s	330.63s

Generation showcase

Hamster playing table tennis

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

#28 Qwen3.7 Plus

medium

Cost: $0.018
Time: 193.2s
Tokens: 10,821 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 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065
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 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576
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 Plus	10.0	10.0	100.0%	0		65.24s	14,934	366	10,132
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 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713
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 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073
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 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998
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 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013
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 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312
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 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831
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 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Comparación rápida

Cambiar par de comparación