AI BENCHY Compare

Qwen: Qwen3.6 Plus vs StepFun: Step 3.7 Flash

概要

Qwen3.6 Plus (medium) が平均スコアでリードし、7.8 vs 7.7 です。 Qwen3.6 Plus (medium) の benchmark コストが低く、$0.294 vs $0.341 です。 Step 3.7 Flash (low) の方が高速で、15.74s vs 30.70s です、成功率は 69.8% vs 68.3% です。

おすすめモデルStep 3.7 Flash (low)スコアはここでの最高値に近く（7.7 vs 7.8）、Qwen3.6 Plus (medium) より約 1.9 倍速く応答します。

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	Qwen3.6 Plus Qwen3.6 Plus medium リリース: 2026-04-20	Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29

指標	Qwen3.6 Plus Qwen3.6 Plus medium リリース: 2026-04-20	Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29
スコア	7.8	7.7
順位	#38	#51
信頼性	10.0	10.0
一貫性	9.3	8.4
正解テスト
試行ごとの合格率	69.8%	68.3%
不安定なテスト	2	4
総実行回数	63	63
結果あたりのコスト	0.831	2.840
合計コスト	$0.294	$0.341
入力価格	$0.325 / 1M	$0.200 / 1M
出力価格	$1.950 / 1M	$1.150 / 1M
合計入力トークン	41,565	40,101
出力トークン	1,853	289,325
推論トークン	141,973	0
応答時間（平均）	30.70s	15.74s
応答時間（最大）	201.68s	124.75s
応答時間（合計）	613.99s	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.

#38 Qwen3.6 Plus

medium

コスト: $0.024
時間: 219.0s
トークン: 12,235 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
Qwen3.6 Plus	10.0	10.0	100.0%	0		9.90s	672	207	7,557
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 Plus	6.1	7.8	44.4%	1		153.12s	7,098	58	50,586
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 Plus	10.0	10.0	100.0%	0		34.95s	14,934	452	13,073
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 Plus	10.0	10.0	100.0%	0		14.95s	7,782	270	10,706
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 Plus	2.9	7.2	11.1%	1		29.59s	771	56	33,464
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 Plus	5.1	10.0	0.0%	0		27.05s	516	111	5,232
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 Plus	10.0	10.0	100.0%	0		7.54s	699	102	5,552
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 Plus	10.0	10.0	100.0%	0		6.34s	696	309	6,712
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 Plus	10.0	10.0	100.0%	0		5.87s	8,193	267	1,330
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 Plus	3.0	10.0	0.0%	0		47.51s	204	21	7,761
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 4.6mediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok 4.3medium KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Qwen3.6 PlusmediumvsGrok 4.5low Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow Kimi K2.6medium無料で利用可能vsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow MiniMax M3mediumvsStep 3.7 Flashlow DeepSeek V4 ProhighvsStep 3.7 Flashlow