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 none | Step 3.5 Flash Step 3.5 Flash none |
|---|---|---|
| 分数 | 4.8 | 3.0 |
| 排名 | #84 | #93 |
| 一致性 | 9.6 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 24.1% | 0.0% |
| 不稳定测试 | 1 | 0 |
| 总运行次数 | 54 | 3 |
| 每个结果成本 | 0.116 | 0.000 |
| 总成本 | $0.005 | $0.000 |
| ???? | $0.050 / 1M | $0.100 / 1M |
| ???? | $0.150 / 1M | $0.300 / 1M |
| 输出令牌 | 3,951 | 0 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.47s | 0ms |
| 响应时间（最大） | 5.91s | 0ms |
| 响应时间（总计） | 26.43s | 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 | 3.1 | 9.9 | 0.0% | 0 | 1.71s | 582 | 0 | |
| 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 | 5.2 | 3.4 | 33.3% | 1 | 5.69s | 1,006 | 0 | |
| 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 | 5.91s | 1,255 | 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 | 10.0 | 10.0 | 100.0% | 0 | 847ms | 249 | 0 | |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 464ms | 24 | 0 | |
| 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 | 4.4 | 9.9 | 0.0% | 0 | 552ms | 99 | 0 | |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 514ms | 75 | 0 | |
| 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 | 3.2 | 9.9 | 0.0% | 0 | 683ms | 388 | 0 | |
| 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 | 1.27s | 273 | 0 | |
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
快速对比
切换对比组合
Qwen3.5-9BnonevsGLM 4.7 FlashmediumMiniMax M2.7mediumvsQwen3.5-9BnoneMistral Small 4mediumvsQwen3.5-9BnoneMiniMax M2.5medium免费可用vsQwen3.5-9Bnonegpt-oss-120bmedium免费可用vsQwen3.5-9BnoneQwen3.5-9BmediumvsStep 3.5 FlashnoneGPT-5 NanomediumvsQwen3.5-9BnoneStep 3.5 FlashnonevsGLM 4.7 FlashmediumMercury 2mediumvsQwen3.5-9BnoneQwen3 Coder NextmediumvsStep 3.5 FlashnoneQwen3.5-9BnonevsGrok 4.1 FastmediumNemotron 3 Supermedium免费可用vsQwen3.5-9Bnone