AI BENCHY Compare
Qwen: Qwen3.7 Max vs StepFun: Step 3.5 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: 2026-06-03
| 指標 | Qwen3.7 Max Qwen3.7 Max none | Step 3.5 Flash Step 3.5 Flash medium |
|---|---|---|
| スコア | 7.9 | 7.4 |
| 順位 | #26 | #55 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 10.0 | 9.4 |
| 正解テスト | ||
| 試行ごとの合格率 | 70.0% | 59.7% |
| 不安定なテスト | 0 | 1 |
| 総実行回数 | 60 | 57 |
| 結果あたりのコスト | 0.719 | 0.133 |
| 合計コスト | $0.051 | $0.062 |
| 入力価格 | $1.250 / 1M | $0.090 / 1M |
| 出力価格 | $3.750 / 1M | $0.300 / 1M |
| 合計入力トークン | 34,266 | 33,555 |
| 出力トークン | 1,988 | 90,478 |
| 推論トークン | 0 | 173,544 |
| 応答時間（平均） | 1.30s | 43.20s |
| 応答時間（最大） | 3.92s | 170.45s |
| 応答時間（合計） | 25.95s | 561.54s |
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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 6.5 | 10.0 | 50.0% | 0 | 1.08s | 696 | 242 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 40.57s | 694 | 20,391 | 24,176 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 6.8 | 10.0 | 50.0% | 0 | 1.39s | 5,070 | 576 | 0 | |
| Step 3.5 Flash | 3.5 | 7.8 | 0.0% | 0 | 62.83s | 1,335 | 12,098 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 2.17s | 9,549 | 171 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 13,638 | 1,176 | 12,984 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.35s | 7,794 | 243 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 7,368 | 600 | 13,886 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 7.7 | 10.0 | 66.7% | 0 | 975ms | 789 | 15 | 0 | |
| Step 3.5 Flash | 5.3 | 7.2 | 44.4% | 1 | 170.45s | 673 | 45,350 | 90,436 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 522 | 120 | 0 | |
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 22.39s | 509 | 240 | 3,506 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 943ms | 711 | 72 | 0 | |
| Step 3.5 Flash | 8.3 | 10.0 | 50.0% | 0 | 4.78s | 705 | 2,364 | 3,521 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.13s | 714 | 314 | 0 | |
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.22s | 711 | 5,630 | 10,861 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 3.92s | 8,211 | 222 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 7,701 | 275 | 3,802 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 856ms | 210 | 13 | 0 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 108.45s | 221 | 2,354 | 10,372 |
クイック比較
比較ペアを切り替え
GPT-5.4mediumvsQwen3.7 MaxnoneQwen3.7 MaxnonevsStep 3.7 FlashmediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumQwen3.7 MaxnonevsGLM 5 TurbomediumGemini 3.1 Flash LitelowvsStep 3.5 FlashmediumGemini 3.5 FlashminimalvsQwen3.7 MaxnoneGemini 3 PRO PreviewmediumvsQwen3.7 MaxnoneGemma 4 26B A4Bmedium無料で利用可能vsQwen3.7 MaxnoneGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumGemma 4 31Bmedium無料で利用可能vsQwen3.7 MaxnoneClaude Opus 4.8nonevsStep 3.5 FlashmediumQwen3.7 MaxnonevsGrok 4.3medium