Qwen: Qwen3.5-27B vs StepFun: Step 3.7 Flash

Qwen3.5-27B (medium) unggul dalam skor rata-rata dengan 7.4 vs 7.3. Step 3.7 Flash (low) memiliki biaya benchmark lebih rendah di $0.454 vs $1.627. Step 3.7 Flash (low) lebih cepat di 20.68s vs 111.94s, dengan tingkat keberhasilan 72.7% vs 68.2%.

Model yang direkomendasikanStep 3.7 Flash (low)Its score stays close to the best score here (7.3 vs 7.4), while costing about 3.6x less than Qwen3.5-27B (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-18

Metrik	Qwen3.5-27B Qwen3.5-27B medium Rilis: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29

Metrik	Qwen3.5-27B Qwen3.5-27B medium Rilis: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor	7.4	7.3
Peringkat	#58	#66
Keandalan	10.0	10.0
Konsistensi	8.2	8.1
Tes benar
Tingkat lulus per percobaan	72.7%	68.2%
Tes tidak stabil	5	5
Total Run	66	66
Biaya per hasil	8.324	3.782
Total Biaya	$1.627	$0.454
Harga input	$0.260 / 1M	$0.200 / 1M
Harga output	$2.600 / 1M	$1.150 / 1M
Total token input	111,635	103,833
Token output	15,999	376,581
Token penalaran	598,430	0
Waktu respons (rata-rata)	111.94s	20.68s
Waktu respons (maks)	1026.43s	124.75s
Waktu respons (total)	2462.67s	455.01s

Hamster playing table tennis

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

#58 Qwen3.5-27B

medium

Biaya: $0.008
Waktu: 62.0s
Token: 3,099 tok

#66 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

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
Qwen3.5-27B	8.7	7.9	91.7%	1		19.75s	672	569	31,505
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.5-27B	6.2	7.1	55.6%	1		160.69s	7,895	6,381	89,388
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.5-27B	7.3	5.8	83.3%	1		595.19s	84,417	7,948	279,132
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0

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
Qwen3.5-27B	10.0	10.0	100.0%	0		30.26s	7,782	270	16,150
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.5-27B	5.3	10.0	33.3%	0		79.53s	553	43	52,368
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.5-27B	6.1	3.1	66.7%	1		101.41s	524	70	23,147
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.5-27B	10.0	10.0	100.0%	0		19.66s	699	97	11,638
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.5-27B	8.2	7.7	77.8%	1		59.60s	696	242	70,096
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.5-27B	10.0	10.0	100.0%	0		7.45s	8,193	348	1,323
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.5-27B	3.0	10.0	0.0%	0		85.11s	204	31	23,683
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow GPT-5.6 TerralowvsQwen3.5-27Bmedium Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow GPT-5.3 ChatnonevsQwen3.5-27Bmedium Gemini 3 Flash PreviewlowvsQwen3.5-27Bmedium KAT-Coder-Pro V2.5lowvsQwen3.5-27Bmedium Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow