Step 3.7 FlashvsQwen3.6-35B-A3B
在 5 个同模式 benchmark 中，Step 3.7 Flash 整体领先：Step 3.7 Flash 领先 5 项，Qwen3.6-35B-A3B 领先 0 项，持平 0 项，平均分差 +2.62。另有 3 项测试模式不同，仅供参考。
Step 3.7 Flash
StepFunAI · 2026-05-29 · 推理大模型
Qwen3.6-35B-A3B
阿里巴巴 · 2026-04-16 · 推理大模型
Step 3.7 Flash5 项(100%)(0%)0 项Qwen3.6-35B-A3B
评测分数
按能力类目分组，每组内按分差大小排列；共 5 项。
图像感知与视觉推理
Step 3.7 Flash 领先 1/1| 评测项 | Step 3.7 Flash | Qwen3.6-35B-A3B | 分差 |
|---|---|---|---|
| MMMU-Pro | 75.3089 / 231Thinking (No Tools) | 7590 / 231Thinking (No Tools) | +0.30 |
客服与业务流程
Step 3.7 Flash 领先 1/1| 评测项 | Step 3.7 Flash | Qwen3.6-35B-A3B | 分差 |
|---|---|---|---|
| τ³-Banking | 12127 / 168Thinking (With Tools) | 9.30138 / 168Thinking (With Tools) | +2.70 |
科学知识与推理
Step 3.7 Flash 领先 1/1| 评测项 | Step 3.7 Flash | Qwen3.6-35B-A3B | 分差 |
|---|---|---|---|
| CritPt | 2.30130 / 204Thinking (No Tools) | 0.30186 / 204Thinking (No Tools) | +2 |
科学计算与科研编程
Step 3.7 Flash 领先 1/1| 评测项 | Step 3.7 Flash | Qwen3.6-35B-A3B | 分差 |
|---|---|---|---|
| SciCode | 43.9097 / 134Thinking (No Tools) | 36.60116 / 134Thinking (No Tools) | +7.30 |
自主开发与终端任务
Step 3.7 Flash 领先 1/1| 评测项 | Step 3.7 Flash | Qwen3.6-35B-A3B | 分差 |
|---|---|---|---|
| Terminal Bench Hard | 35.6070 / 244Thinking (With Tools) | 34.8075 / 244Thinking (With Tools) | +0.80 |
测试模式不同的成绩
共 3 项。两款模型的公开成绩来自不同测试模式，分数不直接可比，不计入胜负和平均分差。
| 评测项 | Step 3.7 Flash | Qwen3.6-35B-A3B |
|---|---|---|
| HLE | 47.20Thinking (With Tools) | 21.40Thinking (No Tools) |
| Context Arena | 37.65Thinking Medium (No Tools) | 53.20Normal (No Tools) |
| SWE-Bench Pro - Public | 56.30Thinking (With Tools) | 49.50Thinking (No Tools) |
规格对比
| 字段 | Step 3.7 Flash | Qwen3.6-35B-A3B |
|---|---|---|
| 发布机构 | StepFunAI | 阿里巴巴 |
| 发布时间 | 2026-05-29 | 2026-04-16 |
| 模型类型 | 推理大模型 | 推理大模型 |
| 架构 | MoE 架构 | MoE 架构 |
| 参数规模 | 1980亿 | 350亿 |
| 上下文长度 | 256K | 200K |
| 最大输出 | 暂无数据 | 80K |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | Step 3.7 Flash | Qwen3.6-35B-A3B |
|---|---|---|
| 文本输入 | ¥1.35 / 1M tokens | 暂无公开价格 |
| 文本输出 | ¥8.1 / 1M tokens | 暂无公开价格 |
| 缓存读取 | ¥0.27 / 1M tokens | 暂无公开价格 |
部分模型公开价格不完整，缺失字段按"暂无公开价格"展示。
小结
- Step 3.7 Flash在以下类目领先:图像感知与视觉推理 (1/1)、客服与业务流程 (1/1)、科学知识与推理 (1/1)、科学计算与科研编程 (1/1)、自主开发与终端任务 (1/1)
5 个同模式 benchmark 上，Step 3.7 Flash 平均高出 2.62 分。
单项差距最大的 benchmark：SciCode — Step 3.7 Flash 43.90，Qwen3.6-35B-A3B 36.60（分差 +7.30）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。