AI BENCHY Compare

Qwen: Qwen3.5-122B-A10B vs StepFun: Step 3.5 Flash

Ringkasan

Perbandingan benchmark Qwen3.5-122B-A10B vs Step 3.5 Flash: Step 3.5 Flash unggul dalam skor rata-rata dengan 6.6 vs 5.3. Qwen3.5-122B-A10B memiliki biaya benchmark lebih rendah di $0.020 vs $0.070. Qwen3.5-122B-A10B lebih cepat di 3.41s vs 72.53s, dengan tingkat keberhasilan 31.8% vs 54.0%.

Model yang direkomendasikan: Qwen3.5-122B-A10B - It offers the best overall trade-off: a competitive score (5.3), lower cost than Step 3.5 Flash, and balanced response time.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-18

Metrik	Qwen3.5-122B-A10B Qwen3.5-122B-A10B none Rilis: 2026-02-24	Step 3.5 Flash Step 3.5 Flash medium Rilis: 2026-02-01

Metrik	Qwen3.5-122B-A10B Qwen3.5-122B-A10B none Rilis: 2026-02-24	Step 3.5 Flash Step 3.5 Flash medium Rilis: 2026-02-01
Skor	5.3	6.6
Peringkat	#125	#80
Keandalan	10.0	10.0
Konsistensi	9.6	8.9
Tes benar
Tingkat lulus per percobaan	31.8%	54.0%
Tes tidak stabil	1	1
Total Run	63	60
Biaya per hasil	0.393	0.198
Total Biaya	$0.020	$0.070
Harga input	$0.260 / 1M	$0.090 / 1M
Harga output	$2.080 / 1M	$0.300 / 1M
Total token input	47,735	34,431
Token output	3,383	91,587
Token penalaran	0	195,973
Waktu respons (rata-rata)	3.41s	72.53s
Waktu respons (maks)	46.00s	453.94s
Waktu respons (total)	71.59s	1015.47s

Showcase generasi

Hamster playing table tennis

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

#125 Qwen3.5-122B-A10B

none

Biaya: $0.016
Waktu: 44.5s
Token: 6,431 tok

#80 Step 3.5 Flash

medium

Biaya: $0.008
Waktu: 277.1s
Token: 23,695 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

Trik anti-AI	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	4.8	10.0	25.0%	0		1.59s	696	312	0
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

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	3.7	7.0	22.2%	1		2.77s	7,913	693	0
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

Gabungan	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	3.0	10.0	0.0%	0		46.00s	20,175	1,137	0
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

Parsing dan ekstraksi data	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	10.0	10.0	100.0%	0		1.01s	7,794	243	0
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

Spesifik domain	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	5.3	10.0	33.3%	0		465ms	789	15	0
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

Kecerdasan umum	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	5.0	10.0	0.0%	0		1.12s	522	66	0
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

Kepatuhan instruksi	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	6.3	10.0	50.0%	0		513ms	711	69	0
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

Pemecahan teka-teki	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	3.8	10.0	0.0%	0		1.00s	714	575	0
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

Pemanggilan alat	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	10.0	10.0	100.0%	0		2.04s	8,211	264	0
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

Pengetahuan umum	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	3.0	10.0	0.0%	0		295ms	210	9	0
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Perbandingan Cepat

Ganti Pasangan Perbandingan