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: Qwen3.7 Plus vs StepFun: Step 3.7 Flash

摘要

Qwen3.7 Plus vs Step 3.7 Flash benchmark 对比：Qwen3.7 Plus 平均分领先，为 8.2 vs 7.1。 Qwen3.7 Plus benchmark 成本更低，为 $0.177 vs $1.148。 Qwen3.7 Plus 更快，为 38.95s vs 64.46s，通过率为 77.8% vs 63.5%。

推荐模型: Qwen3.7 Plus - 它在这里得分最高（8.2），同时成本比Step 3.7 Flash低约 6.5 倍。

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

指标 Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03 Step 3.7 Flash Step 3.7 Flash high 发布日期: 2026-05-29
分数 8.2 7.1
排名 #25 #63
可靠性 10.0 10.0
一致性 9.1 8.2
测试正确
尝试通过率 77.8% 63.5%
不稳定测试 2 4
总运行次数 63 63
每个结果成本 1.474 10.434
总成本 $0.177 $1.148
输入价格 $0.320 / 1M $0.200 / 1M
输出价格 $1.280 / 1M $1.150 / 1M
总输入令牌 40,939 38,391
输出令牌 2,125 991,355
推理令牌 125,754 0
响应时间（平均） 38.95s 64.46s
响应时间（最大） 178.04s 364.99s
响应时间（总计） 817.85s 1353.57s

生成展示

Hamster playing table tennis

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

#25 Qwen3.7 Plus

medium
成本
$0.018
时间
193.2s
令牌
10,821 tok

#63 Step 3.7 Flash

high
成本
$0.007
时间
63.6s
令牌
6,030 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
Qwen3.7 Plus 10.0 10.0 100.0% 0 8.58s 672 195 5,065
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 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
Qwen3.7 Plus 6.1 6.6 55.6% 1 108.60s 6,472 414 43,576
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 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
Qwen3.7 Plus 10.0 10.0 100.0% 0 65.24s 14,934 366 10,132
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 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
Qwen3.7 Plus 10.0 10.0 100.0% 0 21.75s 7,782 270 6,713
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 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
Qwen3.7 Plus 3.6 7.2 22.2% 1 45.35s 771 57 27,073
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 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
Qwen3.7 Plus 10.0 10.0 100.0% 0 25.48s 516 123 3,998
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 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
Qwen3.7 Plus 10.0 10.0 100.0% 0 16.13s 699 102 5,013
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 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
Qwen3.7 Plus 10.0 10.0 100.0% 0 16.38s 696 280 7,312
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 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
Qwen3.7 Plus 10.0 10.0 100.0% 0 15.02s 8,193 292 1,831
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 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
Qwen3.7 Plus 3.0 10.0 0.0% 0 91.07s 204 26 15,041
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

快速对比

切换对比组合

Step 3.7 FlashhighvsGLM 5.1mediumStep 3.7 FlashhighvsGLM 5.2noneQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighGemma 4 26B A4Bmedium免费可用vsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighDeepSeek V4 FlashhighvsQwen3.7 PlusmediumGemini 3.5 FlashnonevsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighGemini 3 Flash PreviewnonevsStep 3.7 FlashhighClaude Sonnet 4.6nonevsStep 3.7 FlashhighQwen3.7 MaxnonevsStep 3.7 Flashhigh