AI BENCHY Compare
Qwen: Qwen3.6 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: 2026-06-04
| 指標 | Qwen3.6 27B Qwen3.6 27B medium | Step 3.7 Flash Step 3.7 Flash high |
|---|---|---|
| スコア | 6.8 | 7.0 |
| 順位 | #78 | #71 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 8.2 | 8.2 |
| 正解テスト | ||
| 試行ごとの合格率 | 60.3% | 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 | 3.361 | 10.434 |
| 合計コスト | $0.444 | $1.148 |
| 入力価格 | $0.290 / 1M | $0.200 / 1M |
| 出力価格 | $3.200 / 1M | $1.150 / 1M |
| 合計入力トークン | 39,376 | 38,391 |
| 出力トークン | 16,189 | 991,355 |
| 推論トークン | 122,521 | 0 |
| 応答時間（平均） | 59.71s | 64.46s |
| 応答時間（最大） | 168.22s | 364.99s |
| 応答時間（合計） | 1254.01s | 1353.57s |
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） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 8.3 | 10.0 | 75.0% | 0 | 12.62s | 453 | 582 | 4,311 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 7.7 | 10.0 | 66.7% | 0 | 142.99s | 5,051 | 7,968 | 43,367 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 7.0 | 3.7 | 66.7% | 1 | 83.07s | 15,104 | 2,088 | 14,689 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 3.5 | 1.4 | 50.0% | 2 | 37.30s | 7,778 | 568 | 9,404 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 2.9 | 7.2 | 11.1% | 1 | 73.38s | 662 | 3,510 | 20,352 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 6.5 | 3.4 | 66.7% | 1 | 39.53s | 516 | 81 | 3,045 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 10.0 | 10.0 | 100.0% | 0 | 37.96s | 699 | 346 | 6,548 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 7.7 | 10.0 | 66.7% | 0 | 61.14s | 696 | 255 | 12,044 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 10.0 | 10.0 | 100.0% | 0 | 16.88s | 8,213 | 390 | 2,954 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 3.0 | 10.0 | 0.0% | 0 | 80.99s | 204 | 401 | 5,807 | |
| 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
GPT-5.4 NanomediumvsStep 3.7 FlashhighClaude Opus 4.6mediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighMiniMax M3mediumvsStep 3.7 FlashhighClaude Sonnet 4.6nonevsQwen3.6 27BmediumDeepSeek V3.2mediumvsStep 3.7 FlashhighQwen3.5-35B-A3BmediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsGrok 4.20mediumSeed-2.0-MinimediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsStep 3.7 FlashhighQwen3.6 Max PreviewnonevsStep 3.7 Flashhigh