AI BENCHY Compare

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

概要

平均スコアは 7.7 vs 7.7 でほぼ同等です。 Step 3.7 Flash (low) の benchmark コストが低く、$0.341 vs $0.588 です。 Step 3.7 Flash (low) の方が高速で、15.74s vs 42.49s です、成功率は 73.0% vs 68.3% です。

おすすめモデルStep 3.7 Flash (low)ここでは最高スコア（7.7）で、Qwen3.5-122B-A10B (medium) より約 1.7 倍低コストです。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-14

指標	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium リリース: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29

指標	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium リリース: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29
スコア	7.7	7.7
順位	#46	#51
信頼性	10.0	10.0
一貫性	8.8	8.4
正解テスト
試行ごとの合格率	73.0%	68.3%
不安定なテスト	3	4
総実行回数	63	63
結果あたりのコスト	5.235	2.840
合計コスト	$0.588	$0.341
入力価格	$0.260 / 1M	$0.200 / 1M
出力価格	$2.080 / 1M	$1.150 / 1M
合計入力トークン	41,832	40,101
出力トークン	26,187	289,325
推論トークン	251,028	0
応答時間（平均）	42.49s	15.74s
応答時間（最大）	168.16s	124.75s
応答時間（合計）	892.30s	330.63s

生成ショーケース

Hamster playing table tennis

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

#46 Qwen3.5-122B-A10B

medium

コスト: $0.019
時間: 48.7s
トークン: 6,034 tok

#51 Step 3.7 Flash

low

無効なSVG

コスト: $0.004
時間: 25.3s
トークン: 3,072 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

カテゴリ:

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.75s	672	269	16,835
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		107.79s	14,947	483	11,337
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	13,683	6,426	0

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		23.41s	7,782	270	16,558
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Qwen3.5-122B-A10B	2.9	7.2	11.1%	1		63.40s	771	15,537	64,889
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Qwen3.5-122B-A10B	3.4	2.2	33.3%	1		34.11s	344	66	7,592
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.88s	593	77	7,372
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		17.89s	696	284	27,575
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		4.60s	8,193	322	1,226
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		52.87s	204	822	15,066
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

クイック比較

比較ペアを切り替え

GPT-5.6 LunahighvsStep 3.7 Flashlow Claude Opus 4.8lowvsQwen3.5-122B-A10Bmedium Claude Opus 4.6mediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok 4.3medium KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow GPT-5.6 TerralowvsQwen3.5-122B-A10Bmedium GPT-5.6 LunahighvsQwen3.5-122B-A10Bmedium Kimi K2.6medium無料で利用可能vsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsQwen3.5-122B-A10Bmedium Qwen3.5-122B-A10BmediumvsGrok 4.5low Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow