Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

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

Ringkasan

Skor rata-rata hampir imbang di 7.7 vs 7.7. Step 3.7 Flash (low) memiliki biaya benchmark lebih rendah di $0.341 vs $0.588. Step 3.7 Flash (low) lebih cepat di 15.74s vs 42.49s, dengan tingkat keberhasilan 73.0% vs 68.3%.

Model yang direkomendasikanStep 3.7 Flash (low)It has the best score here (7.7), while costing about 1.7x less than Qwen3.5-122B-A10B (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-14

Metrik Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium Rilis: 2026-02-24 Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor 7.7 7.7
Peringkat #46 #51
Keandalan 10.0 10.0
Konsistensi 8.8 8.4
Tes benar
Tingkat lulus per percobaan 73.0% 68.3%
Tes tidak stabil 3 4
Total Run 63 63
Biaya per hasil 5.235 2.840
Total Biaya $0.588 $0.341
Harga input $0.260 / 1M $0.200 / 1M
Harga output $2.080 / 1M $1.150 / 1M
Total token input 41,832 40,101
Token output 26,187 289,325
Token penalaran 251,028 0
Waktu respons (rata-rata) 42.49s 15.74s
Waktu respons (maks) 168.16s 124.75s
Waktu respons (total) 892.30s 330.63s

Showcase generasi

Hamster playing table tennis

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

#46 Qwen3.5-122B-A10B

medium
Biaya
$0.019
Waktu
48.7s
Token
6,034 tok

#51 Step 3.7 Flash

low
SVG tidak valid
Biaya
$0.004
Waktu
25.3s
Token
3,072 tok

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

Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Qwen3.5-122B-A10B 6.0 7.2 55.6% 1 114.48s 7,630 8,057 82,578
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

Perbandingan Cepat

Ganti Pasangan Perbandingan