AI BENCHY Compare

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

Сводка

Сравнение benchmark Qwen3.7 Max vs Step 3.7 Flash: Step 3.7 Flash лидирует по среднему баллу: 7.1 vs 6.9. Qwen3.7 Max имеет более низкую стоимость benchmark: $0.054 vs $1.148. Qwen3.7 Max быстрее: 1.30s vs 64.46s, с долей успешных попыток 66.7% vs 63.5%.

Рекомендуемая модель: Qwen3.7 Max - Его балл близок к лучшему здесь (6.9 против 7.1), при этом он примерно в 21.3 раза дешевле, чем Step 3.7 Flash.

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

Метрика	Qwen3.7 Max Qwen3.7 Max none Релиз: 2026-05-22	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29

Метрика	Qwen3.7 Max Qwen3.7 Max none Релиз: 2026-05-22	Step 3.7 Flash Step 3.7 Flash high Релиз: 2026-05-29
Оценка	6.9	7.1
Ранг	#69	#63
Надежность	10.0	10.0
Стабильность	10.0	8.2
Тестов верно
Доля успешных попыток	66.7%	63.5%
Нестабильные тесты	0	4
Всего запусков	63	63
Стоимость за результат	0.744	10.434
Общая стоимость	$0.054	$1.148
Цена входа	$1.250 / 1M	$0.200 / 1M
Цена выхода	$3.750 / 1M	$1.150 / 1M
Общее число входных токенов	37,107	38,391
Выходные токены	1,994	991,355
Токены рассуждений	0	0
Время ответа (среднее)	1.30s	64.46s
Время ответа (макс.)	3.92s	364.99s
Время ответа (суммарно)	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

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	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

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Комбинированный	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		2.17s	9,549	171	0
Step 3.7 Flash	10.0	10.0	100.0%	0		13.01s	13,638	8,802	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		1.35s	7,794	243	0
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

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		1.04s	522	120	0
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	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		943ms	711	72	0
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	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		1.13s	714	314	0
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	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		3.92s	8,211	222	0
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	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		856ms	210	13	0
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Быстрое сравнение

Сменить пару сравнения

Step 3.7 FlashhighvsGLM 5.1medium Step 3.7 FlashhighvsMiMo-V2-Flashmedium Gemini 3.5 FlashminimalvsQwen3.7 Maxnone Ring-2.6-1TmediumvsQwen3.7 Maxnone Qwen3.7 PlusnonevsStep 3.7 Flashhigh Kimi K2.7 CodemediumvsStep 3.7 Flashhigh Qwen3.7 MaxnonevsStep 3.5 Flashmedium Gemma 4 26B A4BmediumБесплатно доступноvsStep 3.7 Flashhigh Gemini 3.5 FlashnonevsStep 3.7 Flashhigh Qwen3.7 MaxnonevsMiMo-V2.5medium Claude Opus 4.8nonevsStep 3.7 Flashhigh Kimi K2.7 CodemediumvsQwen3.7 Maxnone