AI BENCHY Compare

Qwen: Qwen3.7 Plus vs StepFun: Step 3.5 Flash

Сводка

Сравнение benchmark Qwen3.7 Plus vs Step 3.5 Flash: Qwen3.7 Plus лидирует по среднему баллу: 7.2 vs 6.9. Qwen3.7 Plus имеет более низкую стоимость benchmark: $0.023 vs $0.070. Qwen3.7 Plus быстрее: 2.85s vs 72.53s, с долей успешных попыток 47.6% vs 56.7%.

Рекомендуемая модель: Qwen3.7 Plus - Здесь у него лучший балл (7.2), при этом он примерно в 3.1 раза дешевле, чем Step 3.5 Flash.

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

Метрика	Qwen3.7 Plus Qwen3.7 Plus none Релиз: 2026-06-03	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01

Метрика	Qwen3.7 Plus Qwen3.7 Plus none Релиз: 2026-06-03	Step 3.5 Flash Step 3.5 Flash medium Релиз: 2026-02-01
Оценка	7.2	6.9
Ранг	#61	#67
Надежность	10.0	10.0
Стабильность	10.0	9.4
Тестов верно
Доля успешных попыток	47.6%	56.7%
Нестабильные тесты	0	1
Всего запусков	63	60
Стоимость за результат	0.276	0.198
Общая стоимость	$0.023	$0.070
Цена входа	$0.320 / 1M	$0.090 / 1M
Цена выхода	$1.280 / 1M	$0.300 / 1M
Общее число входных токенов	42,510	34,431
Выходные токены	6,578	91,587
Токены рассуждений	0	195,973
Время ответа (среднее)	2.85s	72.53s
Время ответа (макс.)	29.38s	453.94s
Время ответа (суммарно)	59.86s	1015.47s

Generation showcase

Hamster playing table tennis

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

#61 Qwen3.7 Plus

none

Cost: $0.019
Time: 213.5s
Tokens: 11,960 tok

#67 Step 3.5 Flash

medium

Cost: $0.008
Time: 277.1s
Tokens: 23,695 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 Plus	6.5	10.0	50.0%	0		1.38s	696	349	0
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Plus	5.5	10.0	33.3%	0		2.15s	7,911	639	0
Step 3.5 Flash	3.5	7.8	0.0%	0		258.38s	2,211	13,207	22,429

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Plus	10.0	10.0	100.0%	0		29.38s	14,952	4,505	0
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Plus	10.0	10.0	100.0%	0		1.43s	7,794	243	0
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Plus	3.0	10.0	0.0%	0		868ms	789	18	0
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Plus	5.3	10.0	0.0%	0		1.33s	522	78	0
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Plus	6.3	10.0	50.0%	0		929ms	711	72	0
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Plus	7.7	10.0	66.7%	0		1.71s	714	443	0
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Plus	10.0	10.0	100.0%	0		3.54s	8,211	222	0
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Plus	3.0	10.0	0.0%	0		1.21s	210	9	0
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Быстрое сравнение

Сменить пару сравнения

Gemma 4 26B A4BmediumБесплатно доступноvsQwen3.7 Plusnone Gemini 3 Flash PreviewnonevsStep 3.5 Flashmedium Gemini 3.5 FlashnonevsStep 3.5 Flashmedium Qwen3.7 PlusnonevsMiMo-V2-Flashmedium Qwen3.7 PlusnonevsStep 3.7 Flashhigh Qwen3.7 PlusnonevsGLM 5.1medium Qwen3.7 MaxnonevsStep 3.5 Flashmedium Qwen3.7 PlusnonevsGLM 5V Turbomedium Gemini 3.5 FlashminimalvsStep 3.5 Flashmedium Kimi K2.7 CodemediumvsQwen3.7 Plusnone Qwen3.7 PlusnonevsGrok 4.20medium Gemini 3 Flash PreviewlowvsQwen3.7 Plusnone