导航
AI BENCHY
Advertise here

AI BENCHY 对比

Qwen: Qwen3.5-Flash vs StepFun: Step 3.5 Flash

摘要

Qwen3.5-Flash vs Step 3.5 Flash benchmark 对比：Qwen3.5-Flash 平均分领先，为 6.8 vs 6.6。 Step 3.5 Flash benchmark 成本更低，为 $0.070 vs $0.080。 Qwen3.5-Flash 更快，为 63.29s vs 72.53s，通过率为 71.4% vs 54.0%。

推荐模型: Qwen3.5-Flash - 它在本次比较中得分最高（6.8），并且在全部 2 个模型中兼顾成本和响应时间最好。

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

指标 Qwen3.5-Flash Qwen3.5-Flash 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 6.8 6.6
排名 #70 #80
可靠性 10.0 10.0
一致性 8.1 8.9
测试正确
尝试通过率 71.4% 54.0%
不稳定测试 5 1
总运行次数 63 60
每个结果成本 0.871 0.198
总成本 $0.080 $0.070
输入价格 $0.065 / 1M $0.090 / 1M
输出价格 $0.260 / 1M $0.300 / 1M
总输入令牌 38,926 34,431
输出令牌 2,088 91,587
推理令牌 294,598 195,973
响应时间（平均） 63.29s 72.53s
响应时间（最大） 234.29s 453.94s
响应时间（总计） 1265.85s 1015.47s

生成展示

Hamster playing table tennis

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

#70 Qwen3.5-Flash

medium
成本
$0.002
时间
25.8s
令牌
4,294 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-Flash 10.0 10.0 100.0% 0 59.11s 672 383 32,992
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-Flash 3.7 7.2 22.2% 1 58.87s 6,685 302 90,081
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-Flash 10.0 10.0 100.0% 0 17.78s 14,934 483 8,270
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-Flash 7.3 5.9 83.3% 1 56.99s 6,061 235 16,237
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-Flash 5.3 7.2 44.4% 1 146.50s 581 58 43,615
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-Flash 6.1 3.1 66.7% 1 40.05s 516 99 38,486
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-Flash 10.0 10.0 100.0% 0 63.49s 699 98 14,139
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-Flash 8.2 7.2 88.9% 1 27.61s 381 89 12,457
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-Flash 10.0 10.0 100.0% 0 10.33s 8,193 309 1,284
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-Flash 3.0 10.0 0.0% 0 48.98s 204 32 37,037
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

Gemini 3.5 FlashminimalvsQwen3.5-FlashmediumGemini 3 Flash PreviewnonevsQwen3.5-FlashmediumGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumGemini 3.5 FlashnonevsQwen3.5-FlashmediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsStep 3.5 FlashmediumGemini 3.5 FlashminimalvsStep 3.5 FlashmediumQwen3.7 MaxnonevsStep 3.5 FlashmediumQwen3.5-FlashmediumvsStep 3.7 FlashhighGemini 3 Flash PreviewnonevsStep 3.5 FlashmediumQwen3.5-FlashmediumvsGLM 5.2noneDeepSeek V4 PrononevsQwen3.5-Flashmedium