Qwen: Qwen3.5-27B vs StepFun: Step 3.7 Flash

Qwen3.5-27B (medium) conduce la scorul mediu cu 7.4 vs 7.3. Step 3.7 Flash (low) are costul de benchmark mai mic, $0.454 vs $1.627. Step 3.7 Flash (low) este mai rapid cu 20.68s vs 111.94s, cu rate de reușită de 72.7% vs 68.2%.

Model recomandatStep 3.7 Flash (low)Scorul rămâne aproape de cel mai bun scor de aici (7.3 vs 7.4) și costă de aproximativ 3.6x mai puțin decât Qwen3.5-27B (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-18

Metrică	Qwen3.5-27B Qwen3.5-27B medium Lansare: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low Lansare: 2026-05-29

Metrică	Qwen3.5-27B Qwen3.5-27B medium Lansare: 2026-02-24	Step 3.7 Flash Step 3.7 Flash low Lansare: 2026-05-29
Scor	7.4	7.3
Rang	#58	#66
Fiabilitate	10.0	10.0
Consistență	8.2	8.1
Teste corecte
Rată de trecere pe încercare	72.7%	68.2%
Teste instabile	5	5
Rulări totale	66	66
Cost per rezultat	8.324	3.782
Cost total	$1.627	$0.454
Preț de intrare	$0.260 / 1M	$0.200 / 1M
Preț de ieșire	$2.600 / 1M	$1.150 / 1M
Total tokenuri de intrare	111,635	103,833
Tokenuri de ieșire	15,999	376,581
Tokenuri de raționament	598,430	0
Timp de răspuns (mediu)	111.94s	20.68s
Timp de răspuns (maxim)	1026.43s	124.75s
Timp de răspuns (total)	2462.67s	455.01s

Hamster playing table tennis

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

#58 Qwen3.5-27B

medium

Cost: $0.008
Timp: 62.0s
Tokenuri: 3,099 tok

#66 Step 3.7 Flash

low

SVG invalid

Cost: $0.004
Timp: 25.3s
Tokenuri: 3,072 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

Categorie:

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
Qwen3.5-27B	8.7	7.9	91.7%	1		19.75s	672	569	31,505
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

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
Qwen3.5-27B	6.2	7.1	55.6%	1		160.69s	7,895	6,381	89,388
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0

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
Qwen3.5-27B	7.3	5.8	83.3%	1		595.19s	84,417	7,948	279,132
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0

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
Qwen3.5-27B	10.0	10.0	100.0%	0		30.26s	7,782	270	16,150
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

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
Qwen3.5-27B	5.3	10.0	33.3%	0		79.53s	553	43	52,368
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

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
Qwen3.5-27B	6.1	3.1	66.7%	1		101.41s	524	70	23,147
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

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
Qwen3.5-27B	10.0	10.0	100.0%	0		19.66s	699	97	11,638
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

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
Qwen3.5-27B	8.2	7.7	77.8%	1		59.60s	696	242	70,096
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

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
Qwen3.5-27B	10.0	10.0	100.0%	0		7.45s	8,193	348	1,323
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

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
Qwen3.5-27B	3.0	10.0	0.0%	0		85.11s	204	31	23,683
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow GPT-5.6 TerralowvsQwen3.5-27Bmedium Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow GPT-5.3 ChatnonevsQwen3.5-27Bmedium Gemini 3 Flash PreviewlowvsQwen3.5-27Bmedium KAT-Coder-Pro V2.5lowvsQwen3.5-27Bmedium Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow