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 7.7。 Qwen3.7 Plus benchmark 成本更低，为 $0.177 vs $0.341。 Step 3.7 Flash 更快，为 15.74s vs 38.95s，通过率为 77.8% vs 68.3%。

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 1.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29

指标	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29
分数	8.2	7.7
排名	#28	#42
可靠性	10.0	10.0
一致性	9.1	8.4
测试正确
尝试通过率	77.8%	68.3%
不稳定测试	2	4
总运行次数	63	63
每个结果成本	1.474	2.840
总成本	$0.177	$0.341
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	40,101
输出令牌	2,125	289,325
推理令牌	125,754	0
响应时间（平均）	38.95s	15.74s
响应时间（最大）	178.04s	124.75s
响应时间（总计）	817.85s	330.63s

Generation showcase

Hamster playing table tennis

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

#28 Qwen3.7 Plus

medium

Cost: $0.018
Time: 193.2s
Tokens: 10,821 tok

#42 Step 3.7 Flash

low

Invalid SVG

Cost: $0.004
Time: 25.3s
Tokens: 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
Qwen3.7 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065
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
Qwen3.7 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576
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
Qwen3.7 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		7.98s	13,683	6,426	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	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
Qwen3.7 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073
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
Qwen3.7 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998
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
Qwen3.7 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		1.58s	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
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312
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
Qwen3.7 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		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
Qwen3.7 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		124.75s	237	134,779	0

快速对比

切换对比组合