AI BENCHY Compare
Qwen: Qwen3.6 Flash 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 Flash Qwen3.6 Flash medium | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| スコア | 7.5 | 7.3 |
| 順位 | #39 | #57 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 8.1 | 8.4 |
| 正解テスト | ||
| 試行ごとの合格率 | 71.4% | 68.3% |
| 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 | 3.030 | 2.840 |
| 合計コスト | $0.288 | $0.341 |
| 入力価格 | $0.188 / 1M | $0.200 / 1M |
| 出力価格 | $1.125 / 1M | $1.150 / 1M |
| 合計入力トークン | 42,362 | 40,101 |
| 出力トークン | 2,995 | 289,325 |
| 推論トークン | 245,358 | 0 |
| 応答時間（平均） | 19.25s | 15.74s |
| 応答時間（最大） | 122.87s | 124.75s |
| 応答時間（合計） | 404.20s | 330.63s |
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 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.10s | 672 | 624 | 14,024 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 Flash | 5.0 | 5.1 | 44.5% | 2 | 42.85s | 7,895 | 495 | 67,967 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 20.28s | 14,934 | 483 | 13,839 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 9.65s | 7,782 | 270 | 13,155 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 Flash | 3.5 | 4.4 | 33.3% | 2 | 14.65s | 771 | 60 | 24,409 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 Flash | 4.8 | 9.9 | 0.0% | 0 | 9.88s | 516 | 140 | 5,445 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.05s | 699 | 102 | 7,423 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 Flash | 8.2 | 7.2 | 88.9% | 1 | 6.29s | 696 | 460 | 10,860 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.00s | 8,193 | 335 | 1,188 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 Flash | 3.0 | 10.0 | 0.0% | 0 | 122.87s | 204 | 26 | 87,048 | |
| 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
Step 3.7 FlashlowvsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5.1mediumStep 3.7 FlashlowvsGLM 5V TurbomediumKimi K2.6medium無料で利用可能vsStep 3.7 FlashlowGPT-5 MinimediumvsStep 3.7 FlashlowGPT-5.3 ChatnonevsStep 3.7 FlashlowStep 3.7 FlashlowvsMiMo-V2-FlashmediumGemini 3 Flash PreviewnonevsQwen3.6 FlashmediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewlowvsQwen3.6 FlashmediumStep 3.7 FlashlowvsMimo V2 PROmedium