AI BENCHY Compare

Qwen: Qwen3.6 Plus vs StepFun: Step 3.7 Flash

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-29

Метрика	Qwen3.6 Plus Qwen3.6 Plus medium Релиз: 2026-04-20	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29

Метрика	Qwen3.6 Plus Qwen3.6 Plus medium Релиз: 2026-04-20	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29
Оценка	7.8	7.4
Ранг	#38	#60
Надежность	10.0	10.0
Стабильность	9.2	8.7
Тестов верно
Доля успешных попыток	68.3%	68.3%
Нестабильные тесты	2	3
Всего запусков	60	60
Стоимость за результат	0.630	2.796
Общая стоимость	$0.082	$0.336
Цена входа	$0.325 / 1M	$0.200 / 1M
Цена выхода	$1.950 / 1M	$1.150 / 1M
Выходные токены	1,833	285,209
Токены рассуждений	124,782	0
Время ответа (среднее)	26.81s	16.06s
Время ответа (макс.)	201.68s	124.75s
Время ответа (суммарно)	509.43s	321.11s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	10.0	10.0	100.0%	0		9.90s	207	7,557
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	10,896	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	4.1	6.7	16.7%	1		201.68s	38	33,395
Step 3.7 Flash	10.0	10.0	100.0%	0		9.43s	14,569	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	10.0	10.0	100.0%	0		34.95s	452	13,073
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	6,426	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	10.0	10.0	100.0%	0		14.95s	270	10,706
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	2,667	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	2.9	7.2	11.1%	1		29.59s	56	33,464
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	104,487	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	5.1	10.0	0.0%	0		27.05s	111	5,232
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	4,604	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	10.0	10.0	100.0%	0		7.54s	102	5,552
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	1,857	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	10.0	10.0	100.0%	0		6.34s	309	6,712
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	3,564	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	10.0	10.0	100.0%	0		5.87s	267	1,330
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	1,360	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	3.0	10.0	0.0%	0		47.51s	21	7,761
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	134,779	0

Быстрое сравнение

Сменить пару сравнения

Kimi K2.6mediumБесплатно доступноvsStep 3.7 Flashlow Step 3.7 FlashlowvsMiMo-V2.5medium GPT-5.3 ChatnonevsStep 3.7 Flashlow Step 3.7 FlashlowvsGLM 5V Turbomedium Step 3.7 FlashlowvsGLM 5.1medium GPT-5.2mediumvsStep 3.7 Flashlow GPT-5.4 MinimediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewnonevsStep 3.7 Flashlow GPT-5.2 ChatnonevsQwen3.6 Plusmedium Claude Opus 4.8nonevsStep 3.7 Flashlow Gemini 3 Flash PreviewnonevsQwen3.6 Plusmedium DeepSeek V3.2mediumvsStep 3.7 Flashlow