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

AI BENCHY Compare

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

Rezumat

Comparație benchmark Qwen3.7 Plus vs Step 3.7 Flash: Step 3.7 Flash conduce la scorul mediu cu 8.5 vs 8.2. Qwen3.7 Plus are costul de benchmark mai mic, $0.177 vs $0.376. Step 3.7 Flash este mai rapid cu 20.35s vs 38.95s, cu rate de reușită de 77.8% vs 73.0%.

Model recomandat: Qwen3.7 Plus - Scorul rămâne aproape de cel mai bun scor de aici (8.2 vs 8.5) și costă de aproximativ 2.1x mai puțin decât Step 3.7 Flash.

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

Metrică Qwen3.7 Plus Qwen3.7 Plus medium Lansare: 2026-06-03 Step 3.7 Flash Step 3.7 Flash medium Lansare: 2026-05-29
Scor 8.2 8.5
Rang #25 #20
Fiabilitate 10.0 9.9
Consistență 9.1 9.3
Teste corecte
Rată de trecere pe încercare 77.8% 73.0%
Teste instabile 2 2
Rulări totale 63 61
Cost per rezultat 1.474 2.686
Cost total $0.177 $0.376
Preț de intrare $0.320 / 1M $0.200 / 1M
Preț de ieșire $1.280 / 1M $1.150 / 1M
Total tokenuri de intrare 40,939 39,981
Tokenuri de ieșire 2,125 319,958
Tokenuri de raționament 125,754 0
Timp de răspuns (mediu) 38.95s 20.35s
Timp de răspuns (maxim) 178.04s 113.98s
Timp de răspuns (total) 817.85s 427.42s

Prezentare generare

Hamster playing table tennis

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

#25 Qwen3.7 Plus

medium
Cost
$0.018
Timp
193.2s
Tokenuri
10,821 tok

#20 Step 3.7 Flash

medium
Cost
$0.006
Timp
46.2s
Tokenuri
4,466 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 Plus 10.0 10.0 100.0% 0 8.58s 672 195 5,065
Step 3.7 Flash 8.7 7.9 91.7% 1 9.65s 756 32,185 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 Plus 6.1 6.6 55.6% 1 108.60s 6,472 414 43,576
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 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 Plus 10.0 10.0 100.0% 0 65.24s 14,934 366 10,132
Step 3.7 Flash 10.0 10.0 100.0% 0 9.06s 13,683 7,106 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 Plus 10.0 10.0 100.0% 0 21.75s 7,782 270 6,713
Step 3.7 Flash 10.0 10.0 100.0% 0 2.75s 7,398 3,020 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 Plus 3.6 7.2 22.2% 1 45.35s 771 57 27,073
Step 3.7 Flash 7.7 10.0 66.7% 0 48.27s 708 70,347 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 Plus 10.0 10.0 100.0% 0 25.48s 516 123 3,998
Step 3.7 Flash 4.0 10.0 0.0% 0 6.85s 525 3,987 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 Plus 10.0 10.0 100.0% 0 16.13s 699 102 5,013
Step 3.7 Flash 9.8 10.0 100.0% 0 1.83s 735 2,166 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 Plus 10.0 10.0 100.0% 0 16.38s 696 280 7,312
Step 3.7 Flash 5.7 9.9 33.3% 0 6.19s 756 15,071 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 Plus 10.0 10.0 100.0% 0 15.02s 8,193 292 1,831
Step 3.7 Flash 10.0 10.0 100.0% 0 4.16s 7,746 2,115 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 Plus 3.0 10.0 0.0% 0 91.07s 204 26 15,041
Step 3.7 Flash 3.0 10.0 0.0% 0 113.98s 237 139,164 0

Comparație rapidă

Schimbă perechea de comparație

GPT-5.2 ChatnonevsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsQwen3.7 PlusmediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumGPT-5.2 ChatnonevsQwen3.7 PlusmediumQwen3.7 PlusmediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsQwen3.7 PlusmediumGPT-5.3 ChatnonevsQwen3.7 PlusmediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumGemini 3 Flash PreviewlowvsQwen3.7 PlusmediumGPT-5.5lowvsStep 3.7 FlashmediumClaude Sonnet 4.6nonevsQwen3.7 PlusmediumDeepSeek V4 ProhighvsStep 3.7 Flashmedium