AI BENCHY Compare

Qwen: Qwen3.5-122B-A10B vs StepFun: Step 3.5 Flash

Rezumat

Comparație benchmark Qwen3.5-122B-A10B vs Step 3.5 Flash: Step 3.5 Flash conduce la scorul mediu cu 6.6 vs 5.3. Qwen3.5-122B-A10B are costul de benchmark mai mic, $0.020 vs $0.070. Qwen3.5-122B-A10B este mai rapid cu 3.41s vs 72.53s, cu rate de reușită de 31.8% vs 54.0%.

Model recomandat: Qwen3.5-122B-A10B - Oferă cel mai bun compromis per total: scor competitiv (5.3), cost mai mic decât Step 3.5 Flash și timp de răspuns echilibrat.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică	Qwen3.5-122B-A10B Qwen3.5-122B-A10B none Lansare: 2026-02-24	Step 3.5 Flash Step 3.5 Flash medium Lansare: 2026-02-01

Metrică	Qwen3.5-122B-A10B Qwen3.5-122B-A10B none Lansare: 2026-02-24	Step 3.5 Flash Step 3.5 Flash medium Lansare: 2026-02-01
Scor	5.3	6.6
Rang	#125	#80
Fiabilitate	10.0	10.0
Consistență	9.6	8.9
Teste corecte
Rată de trecere pe încercare	31.8%	54.0%
Teste instabile	1	1
Rulări totale	63	60
Cost per rezultat	0.393	0.198
Cost total	$0.020	$0.070
Preț de intrare	$0.260 / 1M	$0.090 / 1M
Preț de ieșire	$2.080 / 1M	$0.300 / 1M
Total tokenuri de intrare	47,735	34,431
Tokenuri de ieșire	3,383	91,587
Tokenuri de raționament	0	195,973
Timp de răspuns (mediu)	3.41s	72.53s
Timp de răspuns (maxim)	46.00s	453.94s
Timp de răspuns (total)	71.59s	1015.47s

Prezentare generare

Hamster playing table tennis

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

#125 Qwen3.5-122B-A10B

none

Cost: $0.016
Timp: 44.5s
Tokenuri: 6,431 tok

#80 Step 3.5 Flash

medium

Cost: $0.008
Timp: 277.1s
Tokenuri: 23,695 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Qwen3.5-122B-A10B	4.8	10.0	25.0%	0		1.59s	696	312	0
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Qwen3.5-122B-A10B	3.7	7.0	22.2%	1		2.77s	7,913	693	0
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		46.00s	20,175	1,137	0
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		1.01s	7,794	243	0
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Qwen3.5-122B-A10B	5.3	10.0	33.3%	0		465ms	789	15	0
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Qwen3.5-122B-A10B	5.0	10.0	0.0%	0		1.12s	522	66	0
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Qwen3.5-122B-A10B	6.3	10.0	50.0%	0		513ms	711	69	0
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Qwen3.5-122B-A10B	3.8	10.0	0.0%	0		1.00s	714	575	0
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		2.04s	8,211	264	0
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		295ms	210	9	0
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Comparație rapidă

Schimbă perechea de comparație