AI BENCHY Compare

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

概要

Step 3.7 Flash (high) が平均スコアでリードし、7.1 vs 6.8 です。 Qwen3.5-Flash (medium) の benchmark コストが低く、$0.080 vs $1.148 です。 Qwen3.5-Flash (medium) の方が高速で、63.29s vs 64.46s です、成功率は 71.4% vs 63.5% です。

おすすめモデルQwen3.5-Flash (medium)スコアはここでの最高値に近く（6.8 vs 7.1）、Step 3.7 Flash (high) より約 14.4 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-Flash Qwen3.5-Flash medium リリース: 2026-02-24	Step 3.7 Flash Step 3.7 Flash high リリース: 2026-05-29

指標	Qwen3.5-Flash Qwen3.5-Flash medium リリース: 2026-02-24	Step 3.7 Flash Step 3.7 Flash high リリース: 2026-05-29
スコア	6.8	7.1
順位	#87	#79
信頼性	10.0	10.0
一貫性	8.1	8.2
正解テスト
試行ごとの合格率	71.4%	63.5%
不安定なテスト	5	4
総実行回数	63	63
結果あたりのコスト	0.871	10.434
合計コスト	$0.080	$1.148
入力価格	$0.065 / 1M	$0.200 / 1M
出力価格	$0.260 / 1M	$1.150 / 1M
合計入力トークン	38,926	38,391
出力トークン	2,088	991,355
推論トークン	294,598	0
応答時間（平均）	63.29s	64.46s
応答時間（最大）	234.29s	364.99s
応答時間（合計）	1265.85s	1353.57s

生成ショーケース

Hamster playing table tennis

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

#87 Qwen3.5-Flash

medium

コスト: $0.002
時間: 25.8s
トークン: 4,294 tok

#79 Step 3.7 Flash

high

コスト: $0.007
時間: 63.6s
トークン: 6,030 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-Flash	10.0	10.0	100.0%	0		59.11s	672	383	32,992
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	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-Flash	3.7	7.2	22.2%	1		58.87s	6,685	302	90,081
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	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-Flash	10.0	10.0	100.0%	0		17.78s	14,934	483	8,270
Step 3.7 Flash	10.0	10.0	100.0%	0		13.01s	13,638	8,802	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-Flash	7.3	5.9	83.3%	1		56.99s	6,061	235	16,237
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	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-Flash	5.3	7.2	44.4%	1		146.50s	581	58	43,615
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	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-Flash	6.1	3.1	66.7%	1		40.05s	516	99	38,486
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	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-Flash	10.0	10.0	100.0%	0		63.49s	699	98	14,139
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	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-Flash	8.2	7.2	88.9%	1		27.61s	381	89	12,457
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	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-Flash	10.0	10.0	100.0%	0		10.33s	8,193	309	1,284
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	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-Flash	3.0	10.0	0.0%	0		48.98s	204	32	37,037
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

クイック比較

比較ペアを切り替え

Step 3.7 FlashhighvsGLM 5.1medium Gemini 3.5 FlashminimalvsQwen3.5-Flashmedium KAT-Coder-Pro V2.5nonevsQwen3.5-Flashmedium Laguna XS 2.1medium無料で利用可能vsStep 3.7 Flashhigh Step 3.7 FlashhighvsGLM 5.2none Gemini 3 Flash PreviewnonevsQwen3.5-Flashmedium Qwen3.7 PlusnonevsStep 3.7 Flashhigh Kimi K2.7 CodemediumvsStep 3.7 Flashhigh Gemma 4 26B A4Bmedium無料で利用可能vsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh Gemini 3.5 FlashnonevsStep 3.7 Flashhigh Claude Opus 4.8nonevsStep 3.7 Flashhigh