AI BENCHY 对比

Qwen: Qwen3.5-35B-A3B vs StepFun: Step 3.5 Flash

摘要

Step 3.5 Flash (medium) 平均分领先，为 6.6 vs 6.3。 Step 3.5 Flash (medium) benchmark 成本更低，为 $0.070 vs $0.401。 Step 3.5 Flash (medium) 更快，为 72.53s vs 72.57s，通过率为 69.8% vs 54.0%。

推荐模型Step 3.5 Flash (medium)它在这里得分最高（6.6），同时成本比Qwen3.5-35B-A3B (medium)低约 5.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 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	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 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	6.3	6.6
排名	#108	#98
可靠性	10.0	10.0
一致性	7.5	8.9
测试正确
尝试通过率	69.8%	54.0%
不稳定测试	6	1
总运行次数	63	60
每个结果成本	5.162	0.198
总成本	$0.401	$0.070
输入价格	$0.140 / 1M	$0.100 / 1M
输出价格	$1.000 / 1M	$0.300 / 1M
总输入令牌	42,196	34,431
输出令牌	40,630	91,587
推理令牌	353,577	195,973
响应时间（平均）	72.57s	72.53s
响应时间（最大）	409.98s	453.94s
响应时间（总计）	1524.04s	1015.47s

生成展示

Hamster playing table tennis

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

#108 Qwen3.5-35B-A3B

medium

成本: $0.009
时间: 71.4s
令牌: 8,631 tok

#98 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

类别:

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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		21.13s	672	798	42,652
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
Qwen3.5-35B-A3B	5.9	9.3	33.3%	0		206.65s	4,106	23,844	111,462
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
Qwen3.5-35B-A3B	4.7	1.6	66.7%	1		75.34s	20,992	775	12,485
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
Qwen3.5-35B-A3B	7.3	5.9	83.3%	1		59.33s	6,061	235	19,493
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
Qwen3.5-35B-A3B	4.1	4.4	44.5%	2		88.34s	500	41	46,368
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
Qwen3.5-35B-A3B	2.8	1.6	33.3%	1		30.30s	172	20	3,753
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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		24.45s	699	97	17,361
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
Qwen3.5-35B-A3B	8.2	7.2	88.9%	1		33.13s	597	3,592	26,585
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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		4.65s	8,193	309	1,365
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
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		177.35s	204	10,919	72,053
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