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：: 2026-04-11
| 指标 | Qwen3.5-9B Qwen3.5-9B medium | Step 3.5 Flash Step 3.5 Flash none |
|---|---|---|
| 分数 | 4.4 | 3.0 |
| 排名 | #91 | #93 |
| 一致性 | 7.2 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 33.3% | 0.0% |
| 不稳定测试 | 6 | 0 |
| 总运行次数 | 54 | 3 |
| 每个结果成本 | 0.976 | 0.000 |
| 总成本 | $0.030 | $0.000 |
| ???? | $0.050 / 1M | $0.100 / 1M |
| ???? | $0.150 / 1M | $0.300 / 1M |
| 输出令牌 | 24,291 | 0 |
| 推理令牌 | 172,597 | 0 |
| 响应时间（平均） | 73.64s | 0ms |
| 响应时间（最大） | 226.38s | 0ms |
| 响应时间（总计） | 1104.60s | 0ms |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 5.1 | 5.8 | 50.0% | 2 | 34.44s | 2,621 | 12,411 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 2.6 | 10.0 | 0.0% | 0 | 135.61s | 6,150 | 31,393 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 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 | 3.6 | 5.6 | 33.3% | 1 | 87.31s | 1,383 | 32,113 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 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 | 3.6 | 7.2 | 22.2% | 1 | 137.75s | 11,549 | 48,475 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 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 | 2.8 | 1.6 | 33.3% | 1 | 226.38s | 0 | 30,695 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 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 | 6.4 | 5.8 | 66.7% | 1 | 17.15s | 599 | 4,517 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 3.1 | 10.0 | 0.0% | 0 | 33.38s | 1,545 | 11,844 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| 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 | - | - | - | - | - | - | - | - |
快速对比
切换对比组合
GPT-5.4 NanononevsQwen3.5-9BmediumQwen3.5-9BmediumvsGrok 4.1 FastnoneQwen3.5-9BmediumvsMiMo-V2-FlashnoneMercury 2nonevsQwen3.5-9BmediumGPT-4o-mininonevsQwen3.5-9BmediumNemotron 3 Supernone免费可用vsQwen3.5-9BmediumGPT-5.4 MininonevsQwen3.5-9Bmediumgpt-oss-120bnone免费可用vsQwen3.5-9BmediumMistral Small 4nonevsQwen3.5-9BmediumQwen3.5-9BmediumvsGrok 4.20noneTrinity Large Previewnone免费可用vsQwen3.5-9BmediumQwen3.5-9BmediumvsGLM 5 Turbonone