- 排名
- #63
- 总输出令牌
- 197,632
- 响应时间（平均）
- 45.52s
- 总成本
- $0.418
Qwen3.6 Plus (medium) vs Step 3.7 Flash (medium)
Step 3.7 Flash (medium) 平均分领先，为 7.9 vs 7.8。 Qwen3.6 Plus (medium) benchmark 成本更低，为 $0.418 vs $0.495。 Step 3.7 Flash (medium) 更快，为 23.51s vs 45.52s，通过率为 71.2% vs 68.2%。
- 排名
- #60
- 总输出令牌
- 409,709
- 响应时间（平均）
- 23.51s
- 总成本
- $0.495
推荐模型
Step 3.7 Flash (medium)
它在这里得分最高（7.9），同时响应速度比Qwen3.6 Plus (medium)快约 1.9 倍。
详细对比
| 指标 | Qwen3.6 Plus Qwen3.6 Plus medium | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| 分数 | 7.8 | 7.9 |
| 排名 | #63 | #60 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.3 | 8.9 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 71.2% | 68.2% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 1.695 | 3.801 |
| 总成本 | $0.418 | $0.495 |
| 输入价格 | $0.325 / 1M | $0.200 / 1M |
| 输出价格 | $1.950 / 1M | $1.150 / 1M |
| 总输入令牌 | 97,698 | 114,191 |
| 输出令牌 | 6,417 | 409,709 |
| 推理令牌 | 191,215 | 0 |
| 响应时间（平均） | 45.52s | 23.51s |
| 响应时间（最大） | 291.55s | 152.83s |
| 响应时间（总计） | 955.94s | 517.21s |
| 参数量 | ~397B 总计 (~17B 激活) | 198B 总计 (11B 激活) |
| 开放状态 | 闭源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#63 Qwen3.6 Plus
medium- 成本
- $0.024
- 时间
- 219.0s
- 令牌
- 12,235 tok
#60 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 9.90s | 672 | 207 | 7,557 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 9.65s | 756 | 32,185 | 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 Plus | 6.1 | 7.8 | 44.4% | 1 | 153.12s | 7,098 | 58 | 50,586 | |
| Step 3.7 Flash | 8.8 | 7.8 | 88.9% | 1 | 27.42s | 7,437 | 44,797 | 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 163.25s | 71,058 | 5,011 | 55,925 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 80.94s | 87,764 | 114,720 | 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 14.95s | 7,782 | 270 | 10,706 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 7,398 | 3,020 | 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 Plus | 2.9 | 7.2 | 11.1% | 1 | 46.39s | 780 | 61 | 39,854 | |
| Step 3.7 Flash | 5.3 | 10.0 | 33.3% | 0 | 27.26s | 837 | 52,484 | 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 Plus | 5.1 | 10.0 | 0.0% | 0 | 27.05s | 516 | 111 | 5,232 | |
| Step 3.7 Flash | 4.0 | 10.0 | 0.0% | 0 | 6.85s | 525 | 3,987 | 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 7.54s | 699 | 102 | 5,552 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.83s | 735 | 2,166 | 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 6.34s | 696 | 309 | 6,712 | |
| Step 3.7 Flash | 5.7 | 9.9 | 33.3% | 0 | 6.19s | 756 | 15,071 | 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 5.87s | 8,193 | 267 | 1,330 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 7,746 | 2,115 | 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 Plus | 3.0 | 10.0 | 0.0% | 0 | 47.51s | 204 | 21 | 7,761 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 113.98s | 237 | 139,164 | 0 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsStep 3.7 FlashmediumKimi K3maxvsStep 3.7 FlashmediumQwen3.8 27BlowvsStep 3.7 FlashmediumGPT-5.6 TerrahighvsStep 3.7 FlashmediumGPT-5.2 ChatnonevsQwen3.6 PlusmediumKimi K3maxvsQwen3.6 PlusmediumStep 3.7 FlashmediumvsGLM 5.2highClaude Opus 4.8lowvsQwen3.6 PlusmediumDeepSeek V4 Flash 0731highvsStep 3.7 FlashmediumDeepSeek V4 Flash 0731lowvsStep 3.7 FlashmediumGPT-5.6 TerrahighvsQwen3.6 PlusmediumSeed-2.0-CodelowvsQwen3.6 Plusmedium