AI BENCHY Compare

Qwen: Qwen3.6 Flash vs StepFun: Step 3.5 Flash

Ringkasan

Perbandingan benchmark Qwen3.6 Flash vs Step 3.5 Flash: Step 3.5 Flash unggul dalam skor rata-rata dengan 6.6 vs 6.0. Qwen3.6 Flash memiliki biaya benchmark lebih rendah di $0.015 vs $0.070. Qwen3.6 Flash lebih cepat di 1.60s vs 72.53s, dengan tingkat keberhasilan 33.3% vs 54.0%.

Model yang direkomendasikan: Qwen3.6 Flash - Its score stays close to the best score here (6.0 vs 6.6), while costing about 4.9x less than Step 3.5 Flash.

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

Metrik	Qwen3.6 Flash Qwen3.6 Flash none Rilis: 2026-04-20	Step 3.5 Flash Step 3.5 Flash medium Rilis: 2026-02-01

Metrik	Qwen3.6 Flash Qwen3.6 Flash none Rilis: 2026-04-20	Step 3.5 Flash Step 3.5 Flash medium Rilis: 2026-02-01
Skor	6.0	6.6
Peringkat	#102	#80
Keandalan	10.0	10.0
Konsistensi	10.0	8.9
Tes benar
Tingkat lulus per percobaan	33.3%	54.0%
Tes tidak stabil	0	1
Total Run	63	60
Biaya per hasil	0.266	0.198
Total Biaya	$0.015	$0.070
Harga input	$0.188 / 1M	$0.090 / 1M
Harga output	$1.125 / 1M	$0.300 / 1M
Total token input	50,810	34,431
Token output	4,164	91,587
Token penalaran	0	195,973
Waktu respons (rata-rata)	1.60s	72.53s
Waktu respons (maks)	4.60s	453.94s
Waktu respons (total)	33.59s	1015.47s

Showcase generasi

Hamster playing table tennis

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

#102 Qwen3.6 Flash

none

Biaya: $0.005
Waktu: 20.1s
Token: 4,211 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
Qwen3.6 Flash	3.1	10.0	0.0%	0		1.63s	696	1,554	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
Qwen3.6 Flash	5.4	10.0	33.3%	0		1.79s	6,488	889	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
Qwen3.6 Flash	3.0	10.0	0.0%	0		4.22s	24,675	315	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
Qwen3.6 Flash	10.0	10.0	100.0%	0		2.13s	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
Qwen3.6 Flash	5.3	10.0	33.3%	0		1.11s	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
Qwen3.6 Flash	10.0	10.0	100.0%	0		947ms	522	132	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
Qwen3.6 Flash	6.3	10.0	50.0%	0		1.10s	711	66	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
Qwen3.6 Flash	3.5	10.0	0.0%	0		1.21s	714	669	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
Qwen3.6 Flash	10.0	10.0	100.0%	0		2.49s	8,211	272	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
Qwen3.6 Flash	3.0	10.0	0.0%	0		649ms	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