Qwen: Qwen3.7 Plus vs StepFun: Step 3.7 Flash

Step 3.7 Flash (low) 平均分领先，为 7.3 vs 7.2。 Qwen3.7 Plus benchmark 成本更低，为 $0.106 vs $0.454。 Qwen3.7 Plus 更快，为 12.09s vs 20.68s，通过率为 50.0% vs 68.2%。

推荐模型Qwen3.7 Plus它的得分接近这里的最高分（7.2 vs 7.3），同时成本比Step 3.7 Flash (low)低约 4.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Qwen3.7 Plus Qwen3.7 Plus none 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 none 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	7.2	7.3
排名	#68	#64
可靠性	10.0	10.0
一致性	10.0	8.1
测试正确
尝试通过率	50.0%	68.2%
不稳定测试	0	5
总运行次数	66	66
每个结果成本	1.014	3.782
总成本	$0.106	$0.454
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	98,824	103,833
输出令牌	58,097	376,581
推理令牌	0	0
响应时间（平均）	12.09s	20.68s
响应时间（最大）	206.03s	124.75s
响应时间（总计）	265.89s	455.01s

Hamster playing table tennis

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

#68 Qwen3.7 Plus

none

成本: $0.019
时间: 213.5s
令牌: 11,960 tok

#64 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

类别:

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	6.5	10.0	50.0%	0		1.38s	696	349	0
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	5.5	10.0	33.3%	0		2.15s	7,911	639	0
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		117.70s	71,266	56,024	0
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
Qwen3.7 Plus	10.0	10.0	100.0%	0		1.43s	7,794	243	0
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	3.0	10.0	0.0%	0		868ms	789	18	0
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	5.3	10.0	0.0%	0		1.33s	522	78	0
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	6.3	10.0	50.0%	0		929ms	711	72	0
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	7.7	10.0	66.7%	0		1.71s	714	443	0
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		3.54s	8,211	222	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
Qwen3.7 Plus	3.0	10.0	0.0%	0		1.21s	210	9	0
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 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Qwen3.7 PlusnonevsGrok 4.3medium Qwen3.7 PlusnonevsGLM 5.1medium Qwen3.7 PlusnonevsGrok 4.20medium Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsQwen3.7 Plusnone Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Kimi K2.6mediumvsQwen3.7 Plusnone Claude Sonnet 4.6nonevsStep 3.7 Flashlow