比较图表

语言:

❤️ Made by XCS

AI BENCHY 对比

Qwen: Qwen3.5 Plus 2026-02-15 vs StepFun: Step 3.5 Flash

模型名称:

基准结果生成自 AI BENCHY 测试套件，时间： : 2026-02-27 15:16

摘要

指标	Qwen: Qwen3.5 Plus 2026-02-15 none 发布日期: 发布日期未知	StepFun: Step 3.5 Flash medium 发布日期: 发布日期未知免费可用
排名	#15	#11
分数	6.29	7.00
一致性	9.99	8.32
每个结果成本	0.139	0.000
总成本	$0.012	$0.000
测试正确
错误测试数	6	5
尝试通过率	57.1%	73.8%
不稳定测试	0	3
输出令牌	1,499	60,502
推理令牌	0	117,044

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	输出令牌	推理令牌
Qwen: Qwen3.5 Plus 2026-02-15	4.00	10.00	33.3%	0		514	0
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		13,924	17,208

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	输出令牌	推理令牌
Qwen: Qwen3.5 Plus 2026-02-15	10.00	10.00	100.0%	0		243	0
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		535	11,548

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
Qwen: Qwen3.5 Plus 2026-02-15	4.00	10.00	33.3%	0		15	0
StepFun: Step 3.5 Flash	4.00	7.21	44.4%	1		40,942	74,237

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
Qwen: Qwen3.5 Plus 2026-02-15	9.50	10.00	100.0%	0		71	0
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		2,121	3,274

Puzzle Solving	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
Qwen: Qwen3.5 Plus 2026-02-15	5.00	9.96	33.3%	0		434	0
StepFun: Step 3.5 Flash	2.00	4.96	33.3%	2		2,705	6,975

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
Qwen: Qwen3.5 Plus 2026-02-15	10.00	10.00	100.0%	0		222	0
StepFun: Step 3.5 Flash	10.00	10.00	100.0%	0		275	3,802

切换对比组合

将 Qwen: Qwen3.5 Plus 2026-02-15 与...对比

将 StepFun: Step 3.5 Flash 与...对比