AI BENCHY 对比
Qwen: Qwen3.5-9B vs StepFun: Step 3.5 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | Qwen3.5-9B Qwen3.5-9B medium | Step 3.5 Flash Step 3.5 Flash medium 免费可用 |
|---|---|---|
| 排名 | #66 | #14 |
| 平均分 | 2.6 | 7.4 |
| 一致性 | 7.4 | 9.1 |
| 每个结果成本 | 0.779 | 0.000 |
| 总成本 | $0.024 | $0.000 |
| 测试正确 | ||
| 尝试通过率 | 35.4% | 68.8% |
| 不稳定测试 | 5 | 2 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 17,930 | 71,452 |
| 推理令牌 | 139,706 | 155,147 |
| 响应时间（平均） | 71.44s | 29.10s |
| 响应时间（最大） | 226.38s | 170.45s |
| 响应时间（总计） | 928.77s | 290.96s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 4.0 | 7.2 | 55.6% | 1 | 31.54s | 2,410 | 10,913 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 18.54s | 13,924 | 17,208 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 5.0 | 5.6 | 33.3% | 1 | 87.31s | 1,383 | 32,113 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 7.2 | 22.2% | 1 | 137.75s | 11,549 | 48,475 | |
| Step 3.5 Flash | 4.0 | 7.2 | 44.4% | 1 | 170.45s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 1.6 | 33.3% | 1 | 226.38s | 0 | 30,695 | |
| Step 3.5 Flash | 6.0 | 10.0 | 0.0% | 0 | 6.54s | 2,214 | 2,584 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 5.5 | 5.8 | 66.7% | 1 | 17.15s | 599 | 4,517 | |
| Step 3.5 Flash | 9.0 | 6.8 | 83.3% | 1 | 4.98s | 2,284 | 3,412 |
| Puzzle Solving | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 10.0 | 0.0% | 0 | 33.38s | 1,545 | 11,844 | |
| Step 3.5 Flash | 4.0 | 10.0 | 33.3% | 0 | 7.72s | 5,629 | 10,835 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 4.31s | 444 | 1,149 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 275 | 3,802 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsStep 3.5 Flashmedium免费可用Gemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmedium免费可用GPT-5.3 ChatnonevsStep 3.5 Flashmedium免费可用Gemini 3 Flash PreviewnonevsStep 3.5 Flashmedium免费可用Qwen3.5-9BmediumvsMiMo-V2-FlashnoneQwen3.5-9BmediumvsGrok 4.1 FastnoneGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium免费可用Claude Sonnet 4.6nonevsStep 3.5 Flashmedium免费可用Gemini 3 Flash PreviewlowvsStep 3.5 Flashmedium免费可用Mercury 2nonevsQwen3.5-9BmediumNemotron 3 Super 120b A12bnone免费可用vsQwen3.5-9BmediumQwen3.5 Plus 2026-02-15nonevsStep 3.5 Flashmedium免费可用