नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Qwen: Qwen3.5 Plus 2026-04-20 vs StepFun: Step 3.7 Flash

Step 3.7 Flash (low) average score मध्ये पुढे आहे: 7.3 vs 7.2. Qwen3.5 Plus 2026-04-20 (medium) चा benchmark खर्च कमी आहे: $0.317 vs $0.454. Step 3.7 Flash (low) वेगवान आहे: 20.68s vs 46.36s, pass rates 63.6% vs 68.2%.

शिफारस केलेले मॉडेलStep 3.7 Flash (low)It has the best score here (7.3), while responding about 2.2x faster than Qwen3.5 Plus 2026-04-20 (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-20

मेट्रिक Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 medium प्रकाशन: 2026-04-20 Step 3.7 Flash Step 3.7 Flash low प्रकाशन: 2026-05-29
स्कोअर 7.2 7.3
क्रमांक #70 #67
विश्वसनीयता 9.6 10.0
सुसंगतता 9.0 8.1
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.6% 68.2%
अस्थिर चाचण्या 2 5
एकूण रन 66 66
प्रति निकाल खर्च 3.023 3.782
एकूण खर्च $0.317 $0.454
इनपुट किंमत $0.300 / 1M $0.200 / 1M
आउटपुट किंमत $1.800 / 1M $1.150 / 1M
एकूण इनपुट टोकन्स 42,097 103,833
आउटपुट टोकन्स 2,280 376,581
रिझनिंग टोकन्स 166,613 0
प्रतिसाद वेळ (सरासरी) 46.36s 20.68s
प्रतिसाद वेळ (कमाल) 189.38s 124.75s
प्रतिसाद वेळ (एकूण) 973.57s 455.01s

Hamster playing table tennis

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

#70 Qwen3.5 Plus 2026-04-20

medium
खर्च
$0.008
वेळ
76.7s
टोकन्स
4,355 tok

#67 Step 3.7 Flash

low
अवैध SVG
खर्च
$0.004
वेळ
25.3s
टोकन्स
3,072 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Qwen3.5 Plus 2026-04-20 6.2 8.7 33.3% 0 125.25s 7,630 308 58,682
Step 3.7 Flash 8.2 7.2 88.9% 1 9.46s 7,437 18,685 0

झटपट तुलना

तुलना जोडी बदला