AI BENCHY Compare

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

Сводка

Сравнение benchmark Qwen3.7 Max vs Step 3.7 Flash: Qwen3.7 Max лидирует по среднему баллу: 9.4 vs 7.7. Step 3.7 Flash имеет более низкую стоимость benchmark: $0.341 vs $0.523. Step 3.7 Flash быстрее: 15.74s vs 16.02s, с долей успешных попыток 88.9% vs 68.3%.

Рекомендуемая модель: Qwen3.7 Max - У него самый высокий балл в этом сравнении (9.4) и лучший общий баланс стоимости и времени ответа среди всех 2 моделей.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-12

Метрика	Qwen3.7 Max Qwen3.7 Max medium Релиз: 2026-05-22	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29

Метрика	Qwen3.7 Max Qwen3.7 Max medium Релиз: 2026-05-22	Step 3.7 Flash Step 3.7 Flash low Релиз: 2026-05-29
Оценка	9.4	7.7
Ранг	#4	#42
Надежность	10.0	10.0
Стабильность	9.6	8.4
Тестов верно
Доля успешных попыток	88.9%	68.3%
Нестабильные тесты	1	4
Всего запусков	63	63
Стоимость за результат	5.517	2.840
Общая стоимость	$0.523	$0.341
Цена входа	$1.250 / 1M	$0.200 / 1M
Цена выхода	$3.750 / 1M	$1.150 / 1M
Общее число входных токенов	42,360	40,101
Выходные токены	2,129	289,325
Токены рассуждений	122,959	0
Время ответа (среднее)	16.02s	15.74s
Время ответа (макс.)	59.98s	124.75s
Время ответа (суммарно)	336.51s	330.63s

Generation showcase

Hamster playing table tennis

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

#4 Qwen3.7 Max

medium

Cost: $0.017
Time: 68.8s
Tokens: 4,526 tok

#42 Step 3.7 Flash

low

Invalid SVG

Cost: $0.004
Time: 25.3s
Tokens: 3,072 tok

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)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Max	10.0	10.0	100.0%	0		6.36s	672	222	8,742
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Max	10.0	10.0	100.0%	0		35.31s	7,893	423	34,808
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Max	10.0	10.0	100.0%	0		19.60s	14,934	366	8,405
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	13,683	6,426	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Max	10.0	10.0	100.0%	0		8.80s	7,782	270	6,254
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Max	5.9	7.2	55.6%	1		24.94s	771	61	31,793
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Max	10.0	10.0	100.0%	0		11.70s	516	135	4,457
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Max	10.0	10.0	100.0%	0		7.46s	699	102	5,452
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Max	10.0	10.0	100.0%	0		8.84s	696	259	8,908
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Max	10.0	10.0	100.0%	0		6.63s	8,193	267	1,220
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Max	3.0	10.0	0.0%	0		33.37s	204	24	12,920
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Быстрое сравнение

Сменить пару сравнения

Claude Opus 4.6mediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok 4.3medium GPT-5.5lowvsQwen3.7 Maxmedium Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow Kimi K2.6mediumБесплатно доступноvsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow MiniMax M3mediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok Build 0.1medium Claude Sonnet 4.6mediumvsStep 3.7 Flashlow Gemini 3.5 FlashlowvsQwen3.7 Maxmedium