Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Qwen: Qwen3.7 Max vs StepFun: Step 3.7 Flash

Rezumat

Comparație benchmark Qwen3.7 Max vs Step 3.7 Flash: Step 3.7 Flash conduce la scorul mediu cu 7.1 vs 6.9. Qwen3.7 Max are costul de benchmark mai mic, $0.054 vs $1.148. Qwen3.7 Max este mai rapid cu 1.30s vs 64.46s, cu rate de reușită de 66.7% vs 63.5%.

Model recomandat: Qwen3.7 Max - Scorul rămâne aproape de cel mai bun scor de aici (6.9 vs 7.1) și costă de aproximativ 21.3x mai puțin decât Step 3.7 Flash.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-12

Metrică Qwen3.7 Max Qwen3.7 Max none Lansare: 2026-05-22 Step 3.7 Flash Step 3.7 Flash high Lansare: 2026-05-29
Scor 6.9 7.1
Rang #69 #63
Fiabilitate 10.0 10.0
Consistență 10.0 8.2
Teste corecte
Rată de trecere pe încercare 66.7% 63.5%
Teste instabile 0 4
Rulări totale 63 63
Cost per rezultat 0.744 10.434
Cost total $0.054 $1.148
Preț de intrare $1.250 / 1M $0.200 / 1M
Preț de ieșire $3.750 / 1M $1.150 / 1M
Total tokenuri de intrare 37,107 38,391
Tokenuri de ieșire 1,994 991,355
Tokenuri de raționament 0 0
Timp de răspuns (mediu) 1.30s 64.46s
Timp de răspuns (maxim) 3.92s 364.99s
Timp de răspuns (total) 27.21s 1353.57s

Generation showcase

Hamster playing table tennis

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

#69 Qwen3.7 Max

none
Cost
$0.046
Time
195.0s
Tokens
12,171 tok

#63 Step 3.7 Flash

high
Cost
$0.007
Time
63.6s
Tokens
6,030 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
Qwen3.7 Max 6.5 10.0 50.0% 0 1.08s 696 242 0
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 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
Qwen3.7 Max 5.5 10.0 33.3% 0 1.35s 7,911 582 0
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 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
Qwen3.7 Max 3.0 10.0 0.0% 0 2.17s 9,549 171 0
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 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
Qwen3.7 Max 10.0 10.0 100.0% 0 1.35s 7,794 243 0
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 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
Qwen3.7 Max 7.7 10.0 66.7% 0 975ms 789 15 0
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 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
Qwen3.7 Max 10.0 10.0 100.0% 0 1.04s 522 120 0
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 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
Qwen3.7 Max 10.0 10.0 100.0% 0 943ms 711 72 0
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 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
Qwen3.7 Max 10.0 10.0 100.0% 0 1.13s 714 314 0
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 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
Qwen3.7 Max 10.0 10.0 100.0% 0 3.92s 8,211 222 0
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 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
Qwen3.7 Max 3.0 10.0 0.0% 0 856ms 210 13 0
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

Comparație rapidă

Schimbă perechea de comparație

Step 3.7 FlashhighvsGLM 5.1mediumStep 3.7 FlashhighvsMiMo-V2-FlashmediumGemini 3.5 FlashminimalvsQwen3.7 MaxnoneRing-2.6-1TmediumvsQwen3.7 MaxnoneQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighQwen3.7 MaxnonevsStep 3.5 FlashmediumGemma 4 26B A4BmediumDisponibil gratuitvsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 FlashhighQwen3.7 MaxnonevsMiMo-V2.5mediumClaude Opus 4.8nonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsQwen3.7 Maxnone