Navigasi
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: Qwen3.5-122B-A10B vs StepFun: Step 3.7 Flash

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-29

Metrik Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium Rilis: 2026-02-24 Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29
Skor 7.7 7.1
Peringkat #43 #74
Keandalan 10.0 10.0
Konsistensi 8.8 8.2
Tes benar
Tingkat lulus per percobaan 71.7% 65.8%
Tes tidak stabil 3 4
Total Run 60 60
Biaya per hasil 5.031 8.723
Total Biaya $0.655 $0.960
Harga input $0.260 / 1M $0.200 / 1M
Harga output $2.080 / 1M $1.150 / 1M
Token output 26,166 828,084
Token penalaran 213,524 0
Waktu respons (rata-rata) 39.40s 49.43s
Waktu respons (maks) 168.16s 192.75s
Waktu respons (total) 788.00s 988.58s

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 9.75s 269 16,835
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 42,656 0
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Qwen3.5-122B-A10B 4.1 5.8 33.3% 1 119.57s 8,036 45,074
Step 3.7 Flash 3.6 4.6 25.0% 1 126.82s 164,069 0
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 107.79s 483 11,337
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 8,802 0
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 23.41s 270 16,558
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 23,113 0
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Qwen3.5-122B-A10B 2.9 7.2 11.1% 1 63.40s 15,537 64,889
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 410,502 0
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Qwen3.5-122B-A10B 3.4 2.2 33.3% 1 34.11s 66 7,592
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 2,862 0
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 9.88s 77 7,372
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 2,010 0
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 17.89s 284 27,575
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 25,422 0
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 4.60s 322 1,226
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 1,172 0
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Qwen3.5-122B-A10B 3.0 10.0 0.0% 0 52.87s 822 15,066
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 147,476 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5 MinimediumvsStep 3.7 FlashhighGPT-5.4 NanomediumvsStep 3.7 FlashhighGemini 3 Flash PreviewnonevsQwen3.5-122B-A10BmediumSeed-2.0-MinimediumvsStep 3.7 FlashhighQwen3.6 Max PreviewnonevsStep 3.7 FlashhighDeepSeek V4 FlashhighTersedia gratisvsQwen3.5-122B-A10BmediumClaude Opus 4.6mediumvsStep 3.7 FlashhighGemini 3.1 Flash Lite PreviewlowvsQwen3.5-122B-A10BmediumStep 3.7 FlashhighvsMiMo-V2-FlashmediumRing-2.6-1TnonevsStep 3.7 FlashhighRing-2.6-1TmediumvsStep 3.7 FlashhighQwen3.5-35B-A3BmediumvsStep 3.7 Flashhigh