AI BENCHY Compare
Qwen: Qwen3.5-27B vs StepFun: Step 3.7 Flash
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: 2026-05-29
| 指標 | Qwen3.5-27B Qwen3.5-27B medium | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| スコア | 7.9 | 7.9 |
| 順位 | #28 | #32 |
| 信頼性 | 10.0 | 9.9 |
| 一貫性 | 8.9 | 9.2 |
| 正解テスト | ||
| 試行ごとの合格率 | 73.3% | 71.7% |
| 不安定なテスト | 3 | 2 |
| 総実行回数 | 60 | 58 |
| 結果あたりのコスト | 4.532 | 2.663 |
| 合計コスト | $0.590 | $0.347 |
| 入力価格 | $0.195 / 1M | $0.200 / 1M |
| 出力価格 | $1.560 / 1M | $1.150 / 1M |
| 出力トークン | 2,569 | 294,481 |
| 推論トークン | 304,894 | 0 |
| 応答時間（平均） | 60.09s | 18.32s |
| 応答時間（最大） | 177.36s | 113.98s |
| 応答時間（合計） | 1201.89s | 366.45s |
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
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 8.7 | 7.9 | 91.7% | 1 | 19.75s | 569 | 31,505 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 9.65s | 32,185 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 7.0 | 9.8 | 50.0% | 0 | 123.86s | 416 | 64,993 | |
| Step 3.7 Flash | 8.2 | 6.7 | 83.3% | 1 | 10.64s | 19,320 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 163.96s | 483 | 9,991 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 9.06s | 7,106 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 30.26s | 270 | 16,150 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 3,020 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 5.3 | 10.0 | 33.3% | 0 | 79.53s | 43 | 52,368 | |
| Step 3.7 Flash | 7.7 | 10.0 | 66.7% | 0 | 48.27s | 70,347 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 6.1 | 3.1 | 66.7% | 1 | 101.41s | 70 | 23,147 | |
| Step 3.7 Flash | 4.0 | 10.0 | 0.0% | 0 | 6.85s | 3,987 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 19.66s | 97 | 11,638 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.83s | 2,166 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 8.2 | 7.7 | 77.8% | 1 | 59.60s | 242 | 70,096 | |
| Step 3.7 Flash | 5.7 | 9.9 | 33.3% | 0 | 6.19s | 15,071 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 7.45s | 348 | 1,323 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 2,115 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 3.0 | 10.0 | 0.0% | 0 | 85.11s | 31 | 23,683 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 113.98s | 139,164 | 0 |
クイック比較
比較ペアを切り替え
Qwen3.7 MaxnonevsStep 3.7 FlashmediumGemini 3.5 FlashminimalvsQwen3.5-27BmediumGPT-5.2 ChatnonevsStep 3.7 FlashmediumGemini 3.5 FlashminimalvsStep 3.7 FlashmediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGemini 3 Flash PreviewnonevsStep 3.7 FlashmediumGemini 3 Flash PreviewnonevsQwen3.5-27BmediumDeepSeek V4 Flashhigh無料で利用可能vsStep 3.7 FlashmediumGemini 3.1 Flash Lite PreviewlowvsStep 3.7 FlashmediumDeepSeek V4 Flashhigh無料で利用可能vsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewnonevsStep 3.7 Flashmedium