Qwen3.8 2.4T A95B (low) vs Step 3.7 Flash (medium)

推荐模型 Step 3.7 Flash (medium)

它的得分接近这里的最高分（8.0 vs 8.2），同时成本比Qwen3.8 2.4T A95B (low)低约 6.0 倍。

详细对比

指标	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29

指标	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29
分数	8.2	8.0
排名	#46	#50
可靠性	9.1	9.9
一致性	8.9	8.9
尝试次数	66/66	64/66
测试正确
尝试通过率	78.8%	72.7%
不稳定测试	3	3
总运行次数	66	64
每个结果成本	19.453	3.676
总成本	$3.113	$0.515
输入价格	$2.000 / 1M	$0.200 / 1M
输出价格	$6.000 / 1M	$1.150 / 1M
总输入令牌	113,340	114,062
输出令牌	107,311	427,572
推理令牌	447,174	0
响应时间（平均）	132.39s	26.37s
响应时间（最大）	534.21s	152.83s
响应时间（总计）	2912.56s	580.25s
参数量	2.4T 总计 (95B 激活)	198B 总计 (11B 激活)
开放状态	权重可用	开源

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

low

medium

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
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		22.04s	1,104	397	4,814
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
Qwen3.8 2.4T A95B	7.6	7.2	77.8%	1		172.53s	6,716	21,405	57,399
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
Qwen3.8 2.4T A95B	8.2	6.9	66.7%	1		231.85s	85,267	8,008	50,681
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
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		22.27s	7,956	839	2,445
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
Qwen3.8 2.4T A95B	5.5	9.3	33.3%	0		386.04s	1,069	2,399	228,792
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	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
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1		22.97s	606	44	1,497
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
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	0		19.54s	903	263	1,480
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
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		43.37s	1,026	1,154	25,563
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
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		25.88s	8,481	302	975
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
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	0		422.46s	212	72,500	73,528
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

切换对比组合