导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Qwen: Qwen3.6 Flash vs StepFun: Step 3.5 Flash

摘要

Qwen3.6 Flash vs Step 3.5 Flash benchmark 对比：Step 3.5 Flash 平均分领先，为 6.6 vs 6.0。 Qwen3.6 Flash benchmark 成本更低，为 $0.015 vs $0.070。 Qwen3.6 Flash 更快，为 1.60s vs 72.53s，通过率为 33.3% vs 54.0%。

推荐模型: Qwen3.6 Flash - 它的得分接近这里的最高分（6.0 vs 6.6），同时成本比Step 3.5 Flash低约 4.9 倍。

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

指标 Qwen3.6 Flash Qwen3.6 Flash none 发布日期: 2026-04-20 Step 3.5 Flash Step 3.5 Flash medium 发布日期: 2026-02-01
分数 6.0 6.6
排名 #102 #80
可靠性 10.0 10.0
一致性 10.0 8.9
测试正确
尝试通过率 33.3% 54.0%
不稳定测试 0 1
总运行次数 63 60
每个结果成本 0.266 0.198
总成本 $0.015 $0.070
输入价格 $0.188 / 1M $0.090 / 1M
输出价格 $1.125 / 1M $0.300 / 1M
总输入令牌 50,810 34,431
输出令牌 4,164 91,587
推理令牌 0 195,973
响应时间（平均） 1.60s 72.53s
响应时间（最大） 4.60s 453.94s
响应时间（总计） 33.59s 1015.47s

生成展示

Hamster playing table tennis

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

#102 Qwen3.6 Flash

none
成本
$0.005
时间
20.1s
令牌
4,211 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
Qwen3.6 Flash 3.1 10.0 0.0% 0 1.63s 696 1,554 0
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
Qwen3.6 Flash 5.4 10.0 33.3% 0 1.79s 6,488 889 0
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
Qwen3.6 Flash 3.0 10.0 0.0% 0 4.22s 24,675 315 0
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
Qwen3.6 Flash 10.0 10.0 100.0% 0 2.13s 7,794 243 0
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
Qwen3.6 Flash 5.3 10.0 33.3% 0 1.11s 789 15 0
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
Qwen3.6 Flash 10.0 10.0 100.0% 0 947ms 522 132 0
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
Qwen3.6 Flash 6.3 10.0 50.0% 0 1.10s 711 66 0
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
Qwen3.6 Flash 3.5 10.0 0.0% 0 1.21s 714 669 0
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
Qwen3.6 Flash 10.0 10.0 100.0% 0 2.49s 8,211 272 0
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
Qwen3.6 Flash 3.0 10.0 0.0% 0 649ms 210 9 0
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

North Mini Codemedium免费可用vsQwen3.6 FlashnoneGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsStep 3.5 FlashmediumGemini 3.1 Flash LiteminimalvsQwen3.6 FlashnoneGemini 3.5 FlashminimalvsStep 3.5 FlashmediumQwen3.7 MaxnonevsStep 3.5 FlashmediumGemini 3 Flash PreviewnonevsStep 3.5 FlashmediumGPT-5.5nonevsStep 3.5 FlashmediumGemma 4 31Bmedium免费可用vsQwen3.6 FlashnoneNemotron 3 Supermedium免费可用vsQwen3.6 FlashnoneGemini 3.5 FlashnonevsStep 3.5 Flashmedium