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 Plus vs StepFun: Step 3.7 Flash

Resumen

Comparación benchmark de Qwen3.7 Plus vs Step 3.7 Flash: Step 3.7 Flash lidera en puntuación media con 8.5 vs 8.2. Qwen3.7 Plus tiene menor coste de benchmark con $0.177 vs $0.376. Step 3.7 Flash es más rápido con 20.35s vs 38.95s, con tasas de acierto de 77.8% vs 73.0%.

Modelo recomendado: Qwen3.7 Plus - Su puntuación se mantiene cerca de la mejor aquí (8.2 vs 8.5) y cuesta aproximadamente 2.1x menos que Step 3.7 Flash.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-18

Métrica Qwen3.7 Plus Qwen3.7 Plus medium Lanzamiento: 2026-06-03 Step 3.7 Flash Step 3.7 Flash medium Lanzamiento: 2026-05-29
Puntuación 8.2 8.5
Rango #25 #20
Fiabilidad 10.0 9.9
Consistencia 9.1 9.3
Pruebas correctas
Tasa de aciertos por intento 77.8% 73.0%
Pruebas inestables 2 2
Ejecuciones totales 63 61
Costo por resultado 1.474 2.686
Costo total $0.177 $0.376
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 39,981
Tokens de salida 2,125 319,958
Tokens de razonamiento 125,754 0
Tiempo de respuesta (promedio) 38.95s 20.35s
Tiempo de respuesta (máximo) 178.04s 113.98s
Tiempo de respuesta (total) 817.85s 427.42s

Generación showcase

Hamster playing table tennis

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

#25 Qwen3.7 Plus

medium
Coste
$0.018
Tiempo
193.2s
Tokens
10,821 tok

#20 Step 3.7 Flash

medium
Coste
$0.006
Tiempo
46.2s
Tokens
4,466 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 9.65s 756 32,185 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 8.8 7.8 88.9% 1 27.42s 7,437 44,797 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 9.06s 13,683 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 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 10.0 10.0 100.0% 0 2.75s 7,398 3,020 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 7.7 10.0 66.7% 0 48.27s 708 70,347 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 4.0 10.0 0.0% 0 6.85s 525 3,987 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 1.83s 735 2,166 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 5.7 9.9 33.3% 0 6.19s 756 15,071 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 4.16s 7,746 2,115 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% 0 113.98s 237 139,164 0

Comparación rápida

Cambiar par de comparación

GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsQwen3.7 PlusmediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumGPT-5.2 ChatnonevsQwen3.7 PlusmediumQwen3.7 PlusmediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsQwen3.7 PlusmediumGPT-5.3 ChatnonevsQwen3.7 PlusmediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumGemini 3 Flash PreviewlowvsQwen3.7 PlusmediumGPT-5.5lowvsStep 3.7 FlashmediumClaude Sonnet 4.6nonevsQwen3.7 PlusmediumDeepSeek V4 ProhighvsStep 3.7 Flashmedium