AI BENCHY Compare

Qwen: Qwen3.7 Plus vs StepFun: Step 3.7 Flash

Ringkasan

Perbandingan benchmark Qwen3.7 Plus vs Step 3.7 Flash: Qwen3.7 Plus unggul dalam skor rata-rata dengan 8.2 vs 7.1. Qwen3.7 Plus memiliki biaya benchmark lebih rendah di $0.177 vs $1.148. Qwen3.7 Plus lebih cepat di 38.95s vs 64.46s, dengan tingkat keberhasilan 77.8% vs 63.5%.

Model yang direkomendasikan: Qwen3.7 Plus - It has the best score here (8.2), while costing about 6.5x less than Step 3.7 Flash.

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

Metrik	Qwen3.7 Plus Qwen3.7 Plus medium Rilis: 2026-06-03	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29

Metrik	Qwen3.7 Plus Qwen3.7 Plus medium Rilis: 2026-06-03	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29
Skor	8.2	7.1
Peringkat	#25	#63
Keandalan	10.0	10.0
Konsistensi	9.1	8.2
Tes benar
Tingkat lulus per percobaan	77.8%	63.5%
Tes tidak stabil	2	4
Total Run	63	63
Biaya per hasil	1.474	10.434
Total Biaya	$0.177	$1.148
Harga input	$0.320 / 1M	$0.200 / 1M
Harga output	$1.280 / 1M	$1.150 / 1M
Total token input	40,939	38,391
Token output	2,125	991,355
Token penalaran	125,754	0
Waktu respons (rata-rata)	38.95s	64.46s
Waktu respons (maks)	178.04s	364.99s
Waktu respons (total)	817.85s	1353.57s

Showcase generasi

Hamster playing table tennis

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

#25 Qwen3.7 Plus

medium

Biaya: $0.018
Waktu: 193.2s
Token: 10,821 tok

#63 Step 3.7 Flash

high

Biaya: $0.007
Waktu: 63.6s
Token: 6,030 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
Qwen3.7 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.7 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.7 Plus	10.0	10.0	100.0%	0		65.24s	14,934	366	10,132
Step 3.7 Flash	10.0	10.0	100.0%	0		13.01s	13,638	8,802	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
Qwen3.7 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.7 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.7 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	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
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.7 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.7 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Step 3.7 FlashhighvsGLM 5.1medium Step 3.7 FlashhighvsGLM 5.2none Qwen3.7 PlusnonevsStep 3.7 Flashhigh Kimi K2.7 CodemediumvsStep 3.7 Flashhigh Gemma 4 26B A4BmediumTersedia gratisvsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh DeepSeek V4 FlashhighvsQwen3.7 Plusmedium Gemini 3.5 FlashnonevsStep 3.7 Flashhigh Claude Opus 4.8nonevsStep 3.7 Flashhigh Gemini 3 Flash PreviewnonevsStep 3.7 Flashhigh Claude Sonnet 4.6nonevsStep 3.7 Flashhigh Qwen3.7 MaxnonevsStep 3.7 Flashhigh