AI BENCHY 对比

Qwen: Qwen3.5-122B-A10B vs StepFun: Step 3.5 Flash

摘要

Qwen3.5-122B-A10B vs Step 3.5 Flash benchmark 对比：Step 3.5 Flash 平均分领先，为 6.6 vs 5.3。 Qwen3.5-122B-A10B benchmark 成本更低，为 $0.020 vs $0.070。 Qwen3.5-122B-A10B 更快，为 3.41s vs 72.53s，通过率为 31.8% vs 54.0%。

推荐模型: Qwen3.5-122B-A10B - 它提供了最佳整体取舍：得分有竞争力（5.3），成本低于Step 3.5 Flash，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	Qwen3.5-122B-A10B Qwen3.5-122B-A10B none 发布日期: 2026-02-24	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01

指标	Qwen3.5-122B-A10B Qwen3.5-122B-A10B none 发布日期: 2026-02-24	Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01
分数	5.3	6.6
排名	#125	#80
可靠性	10.0	10.0
一致性	9.6	8.9
测试正确
尝试通过率	31.8%	54.0%
不稳定测试	1	1
总运行次数	63	60
每个结果成本	0.393	0.198
总成本	$0.020	$0.070
输入价格	$0.260 / 1M	$0.090 / 1M
输出价格	$2.080 / 1M	$0.300 / 1M
总输入令牌	47,735	34,431
输出令牌	3,383	91,587
推理令牌	0	195,973
响应时间（平均）	3.41s	72.53s
响应时间（最大）	46.00s	453.94s
响应时间（总计）	71.59s	1015.47s

生成展示

Hamster playing table tennis

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

#125 Qwen3.5-122B-A10B

none

成本: $0.016
时间: 44.5s
令牌: 6,431 tok

#80 Step 3.5 Flash

medium

成本: $0.008
时间: 277.1s
令牌: 23,695 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.5-122B-A10B	4.8	10.0	25.0%	0		1.59s	696	312	0
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.5-122B-A10B	3.7	7.0	22.2%	1		2.77s	7,913	693	0
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		46.00s	20,175	1,137	0
Step 3.5 Flash	10.0	10.0	100.0%	0		29.57s	13,638	1,176	12,984

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		1.01s	7,794	243	0
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.5-122B-A10B	5.3	10.0	33.3%	0		465ms	789	15	0
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.5-122B-A10B	5.0	10.0	0.0%	0		1.12s	522	66	0
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.5-122B-A10B	6.3	10.0	50.0%	0		513ms	711	69	0
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.5-122B-A10B	3.8	10.0	0.0%	0		1.00s	714	575	0
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		2.04s	8,211	264	0
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		295ms	210	9	0
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

快速对比

切换对比组合