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: Qwen3.7 Plus lidera en puntuación media con 7.2 vs 7.1. Qwen3.7 Plus tiene menor coste de benchmark con $0.023 vs $1.148. Qwen3.7 Plus es más rápido con 2.85s vs 64.46s, con tasas de acierto de 47.6% vs 63.5%.

Modelo recomendado: Qwen3.7 Plus - Tiene la mejor puntuación aquí (7.2) y cuesta aproximadamente 52.1x 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 none Lanzamiento: 2026-06-03 Step 3.7 Flash Step 3.7 Flash high Lanzamiento: 2026-05-29
Puntuación 7.2 7.1
Rango #61 #63
Fiabilidad 10.0 10.0
Consistencia 10.0 8.2
Pruebas correctas
Tasa de aciertos por intento 47.6% 63.5%
Pruebas inestables 0 4
Ejecuciones totales 63 63
Costo por resultado 0.276 10.434
Costo total $0.023 $1.148
Precio de entrada $0.320 / 1M $0.200 / 1M
Precio de salida $1.280 / 1M $1.150 / 1M
Total de tokens de entrada 42,510 38,391
Tokens de salida 6,578 991,355
Tokens de razonamiento 0 0
Tiempo de respuesta (promedio) 2.85s 64.46s
Tiempo de respuesta (máximo) 29.38s 364.99s
Tiempo de respuesta (total) 59.86s 1353.57s

Generation showcase

Hamster playing table tennis

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

#61 Qwen3.7 Plus

none
Cost
$0.019
Time
213.5s
Tokens
11,960 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 Plus 6.5 10.0 50.0% 0 1.38s 696 349 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 Plus 5.5 10.0 33.3% 0 2.15s 7,911 639 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 Plus 10.0 10.0 100.0% 0 29.38s 14,952 4,505 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 Plus 10.0 10.0 100.0% 0 1.43s 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 Plus 3.0 10.0 0.0% 0 868ms 789 18 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 Plus 5.3 10.0 0.0% 0 1.33s 522 78 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 Plus 6.3 10.0 50.0% 0 929ms 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 Plus 7.7 10.0 66.7% 0 1.71s 714 443 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 Plus 10.0 10.0 100.0% 0 3.54s 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 Plus 3.0 10.0 0.0% 0 1.21s 210 9 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-FlashmediumGemma 4 26B A4BmediumDisponible gratisvsQwen3.7 PlusnoneQwen3.7 PlusnonevsMiMo-V2-FlashmediumKimi K2.7 CodemediumvsStep 3.7 FlashhighQwen3.7 PlusnonevsGLM 5.1mediumGemma 4 26B A4BmediumDisponible gratisvsStep 3.7 FlashhighQwen3.7 PlusnonevsGLM 5V TurbomediumGemini 3.5 FlashnonevsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsQwen3.7 PlusnoneStep 3.7 FlashhighvsGLM 5V Turbomedium