- 排名
- #98
- 总输出令牌
- 740,585
- 响应时间（平均）
- 58.06s
- 总成本
- $0.746
Qwen3.6 35B A3B (medium) vs Step 3.7 Flash (low)
Step 3.7 Flash (low) 平均分领先，为 7.3 vs 6.7。 Step 3.7 Flash (low) benchmark 成本更低，为 $0.454 vs $0.746。 Step 3.7 Flash (low) 更快，为 20.68s vs 58.06s，通过率为 60.6% vs 68.2%。
- 排名
- #75
- 总输出令牌
- 376,581
- 响应时间（平均）
- 20.68s
- 总成本
- $0.454
推荐模型
Step 3.7 Flash (low)
它在这里得分最高（7.3），同时成本比Qwen3.6 35B A3B (medium)低约 1.6 倍。
详细对比
| 指标 | Qwen3.6 35B A3B Qwen3.6 35B A3B medium | Step 3.7 Flash Step 3.7 Flash low |
|---|---|---|
| 分数 | 6.7 | 7.3 |
| 排名 | #98 | #75 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 8.1 |
| 测试正确 | ||
| 尝试通过率 | 60.6% | 68.2% |
| 不稳定测试 | 1 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 5.712 | 3.782 |
| 总成本 | $0.746 | $0.454 |
| 输入价格 | $0.140 / 1M | $0.200 / 1M |
| 输出价格 | $1.000 / 1M | $1.150 / 1M |
| 总输入令牌 | 85,139 | 103,833 |
| 输出令牌 | 61,819 | 376,581 |
| 推理令牌 | 678,766 | 0 |
| 响应时间（平均） | 58.06s | 20.68s |
| 响应时间（最大） | 817.57s | 124.75s |
| 响应时间（总计） | 1161.18s | 455.01s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#98 Qwen3.6 35B A3B
medium
无效SVG
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 tok
#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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 6.02s | 672 | 1,154 | 12,385 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 35B A3B | 7.7 | 10.0 | 66.7% | 0 | 50.55s | 5,051 | 7,929 | 37,223 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 35B A3B | 3.0 | 10.0 | 0.0% | 0 | 817.57s | 68,754 | 42,187 | 548,547 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 12.99s | 7,776 | 2,591 | 9,968 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 35B A3B | 5.3 | 7.2 | 44.4% | 1 | 22.50s | 771 | 6,193 | 39,116 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 35B A3B | 4.4 | 9.9 | 0.0% | 0 | 8.66s | 516 | 129 | 4,569 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 7.50s | 699 | 219 | 7,404 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 35B A3B | 8.0 | 10.0 | 66.7% | 0 | 5.95s | 696 | 655 | 9,228 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 35B A3B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | 0 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.6 35B A3B | 3.0 | 10.0 | 0.0% | 0 | 32.90s | 204 | 762 | 10,326 | |
| 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
Claude Opus 4.8nonevsStep 3.7 FlashlowKimi K2.6mediumvsStep 3.7 FlashlowGemini 3.5 Flash-LitelowvsQwen3.6 35B A3BmediumGemini 3 Flash PreviewnonevsQwen3.6 35B A3BmediumLongCat 2.0lowvsQwen3.6 35B A3BmediumKAT-Coder-Pro V2.5highvsStep 3.7 FlashlowKAT-Coder-Pro V2.5nonevsQwen3.6 35B A3BmediumGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowClaude Sonnet 4.6nonevsStep 3.7 FlashlowQwen3.7 PlusnonevsStep 3.7 Flashlow