#65 Qwen3.5 Plus 2026-02-15
medium- 成本
- $0.011
- 时间
- 125.5s
- 令牌
- 7,040 tok
Qwen: Qwen3.5 Plus 2026-02-15 vs StepFun: Step 3.7 Flash
Qwen3.5 Plus 2026-02-15 (medium) 平均分领先，为 7.5 vs 7.3。 Qwen3.5 Plus 2026-02-15 (medium) benchmark 成本更低，为 $0.437 vs $0.454。 Step 3.7 Flash (low) 更快，为 20.68s vs 89.19s，通过率为 71.2% vs 68.2%。
推荐模型Step 3.7 Flash (low)它的得分接近这里的最高分（7.3 vs 7.5），同时响应速度比Qwen3.5 Plus 2026-02-15 (medium)快约 4.3 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25
| 指标 | Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| 分数 | 7.5 | 7.3 |
| 排名 | #65 | #75 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.5 | 8.1 |
| 测试正确 | ||
| 尝试通过率 | 71.2% | 68.2% |
| 不稳定测试 | 4 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 3.348 | 3.782 |
| 总成本 | $0.437 | $0.454 |
| 输入价格 | $0.260 / 1M | $0.200 / 1M |
| 输出价格 | $1.560 / 1M | $1.150 / 1M |
| 总输入令牌 | 113,560 | 103,833 |
| 输出令牌 | 9,823 | 376,581 |
| 推理令牌 | 250,881 | 0 |
| 响应时间（平均） | 89.19s | 20.68s |
| 响应时间（最大） | 304.85s | 124.75s |
| 响应时间（总计） | 1337.92s | 455.01s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#75 Step 3.7 Flash
low
无效SVG
- 成本
- $0.004
- 时间
- 25.3s
- 令牌
- 3,072 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 Plus 2026-02-15 | 8.2 | 7.9 | 83.3% | 1 | 45.78s | 672 | 205 | 21,236 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 4.02s | 756 | 10,896 | 0 |
| 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 Plus 2026-02-15 | 6.6 | 7.1 | 44.4% | 1 | 180.70s | 6,950 | 420 | 80,595 | |
| Step 3.7 Flash | 8.2 | 7.2 | 88.9% | 1 | 9.46s | 7,437 | 18,685 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.5 Plus 2026-02-15 | 6.9 | 5.9 | 66.7% | 1 | 175.85s | 87,576 | 8,085 | 69,183 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 66.18s | 77,415 | 93,682 | 0 |
| 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 46.91s | 7,782 | 270 | 14,916 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 2.29s | 7,398 | 2,667 | 0 |
| 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 Plus 2026-02-15 | 5.3 | 10.0 | 33.3% | 0 | 17.50s | 444 | 35 | 16,680 | |
| Step 3.7 Flash | 5.3 | 7.2 | 44.4% | 1 | 43.31s | 828 | 104,487 | 0 |
| 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 Plus 2026-02-15 | 4.7 | 1.6 | 66.7% | 1 | 79.86s | 344 | 73 | 8,675 | |
| Step 3.7 Flash | 3.4 | 9.3 | 0.0% | 0 | 7.00s | 525 | 4,604 | 0 |
| 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 31.93s | 699 | 101 | 7,704 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.58s | 735 | 1,857 | 0 |
| 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 32.50s | 696 | 301 | 13,853 | |
| Step 3.7 Flash | 5.5 | 9.9 | 33.3% | 0 | 1.84s | 756 | 3,564 | 0 |
| 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 7.54s | 8,193 | 309 | 909 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.25s | 7,746 | 1,360 | 0 |
| 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 Plus 2026-02-15 | 3.0 | 10.0 | 0.0% | 0 | 103.81s | 204 | 24 | 17,130 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 124.75s | 237 | 134,779 | 0 |
快速对比
切换对比组合
GPT-5.6 TerralowvsQwen3.5 Plus 2026-02-15mediumClaude Opus 4.8nonevsStep 3.7 FlashlowKimi K2.6mediumvsStep 3.7 FlashlowKAT-Coder-Pro V2.5highvsStep 3.7 FlashlowGPT-5.3 ChatnonevsQwen3.5 Plus 2026-02-15mediumGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowClaude Opus 5nonevsQwen3.5 Plus 2026-02-15mediumQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowClaude Sonnet 4.6nonevsStep 3.7 FlashlowQwen3.7 PlusnonevsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsQwen3.5 Plus 2026-02-15medium