BenchLeader

Qwen3.8-Flash-Next vs Step 5 Preview

完整资料:Qwen3.8-Flash-Next(Alibaba)和 Step 5 Preview(StepFun),包括全部基准测试、价格和排名。

更新于 · 数据来自 7 个来源

截至 2026年11月16日,Qwen3.8-Flash-Next 与 Step 5 Preview 的质量不相上下(BenchLeader Index 53.9 比 56.0,在 ±9.0 的误差范围内)。Qwen3.8-Flash-Next 更便宜,对方的价格是它的 6.2 倍(每百万 token 混合价格 $0.230 比 $1.43)。看重智能体与工具(64 比 49)、编程(61 比 50)和多模态(61 比 59)选 Qwen3.8-Flash-Next;看重知识(54 比 38)、推理(52 比 43)和长上下文(69 比 65)选 Step 5 Preview。Step 5 Preview 的首次回答更快(23.5 秒 比 65.5 秒)。Step 5 Preview 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Qwen3.8-Flash-Next 的 BenchLeader Index 为 53.9,Step 5 Preview 为 56.0(BenchLeader,2026年11月16日)。
  • Qwen3.8-Flash-Next 每百万 token 混合价格为 $0.230(标价,2026年11月16日)。
  • Step 5 Preview 每百万 token 混合价格为 $1.43(标价,2026年11月16日)。
  • Step 5 Preview 比 Qwen3.8-Flash-Next 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 23 项基准测试中,Qwen3.8-Flash-Next 领先 12 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Qwen3.8-Flash-Next类别得分 61 比 50;FrontierCode 2.0 (AA) 27.1% 比 12.0%高
智能体与工具调用Qwen3.8-Flash-Next类别得分 64 比 49;Arena Agent -4.6 比 -3.7高
推理Step 5 Preview类别得分 52 比 43;HLE-Diamond (AA) 24.3% 比 16.3%高
知识Step 5 Preview类别得分 54 比 38;AA-Omniscience v1.1 16.4 比 -12.2高
长文档Step 5 Preview类别得分 69 比 65;AA-LCR v1.1 88.3% 比 79.7%中
图像及其他媒体Qwen3.8-Flash-Next类别得分 61 比 59;MMMU-Pro 78.6% 比 76.4%中
对话质量(人类偏好)–只有 Step 5 Preview 有 Arena 评分(类别得分 63)无法比较
成本最低Qwen3.8-Flash-Next每百万 token 混合价格 $0.230 比 $1.43;智能体编程会话 $0.011 比 $0.071–
首次回答最快Step 5 Preview首个回答 token 23.5 秒(Step 5 Preview)比 65.5 秒(Qwen3.8-Flash-Next)–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Qwen3.8-Flash-Next 与 Step 5 Preview 的质量不相上下(53.9 比 56.0,在 ±9.0 的误差范围内)。
  • Qwen3.8-Flash-Next 在智能体与工具、编程、多模态方面更强。
  • Step 5 Preview 在知识、长上下文、推理方面更强。
  • Qwen3.8-Flash-Next 更便宜,对方的价格是它的 6.2 倍(每百万 token 混合价格 $0.230 比 $1.43)。
  • Step 5 Preview 的输出速度是对方的 1.5 倍(124 比 80 token/秒)。

概览

规格Qwen3.8-Flash-NextStep 5 Preview
提供商AlibabaStepFun
发布日期2026年8月26日2026年9月18日
上下文窗口(token)256,0001,000,000
对比时的配置Qwen3.8-Flash-NextStep 5 Preview
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.150 / $0.470 / –$1.00 / $2.70 / $0.105

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Qwen3.8-Flash-NextStep 5 Preview领先者
推理43.051.7Step 5 Preview
编程60.749.9Qwen3.8-Flash-Next
智能体与工具64.049.1Qwen3.8-Flash-Next
数学–60.1无法比较
知识38.153.7Step 5 Preview
人类偏好–63.1无法比较
多模态61.059.3Qwen3.8-Flash-Next
长上下文64.569.0Step 5 Preview

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具知识长上下文多模态Qwen3.8-Flash-Next, 推理: 43.0Qwen3.8-Flash-Next, 编程: 60.7Qwen3.8-Flash-Next, 智能体与工具: 64.0Qwen3.8-Flash-Next, 知识: 38.1Qwen3.8-Flash-Next, 长上下文: 64.5Qwen3.8-Flash-Next, 多模态: 61.0Step 5 Preview, 推理: 51.7Step 5 Preview, 编程: 49.9Step 5 Preview, 智能体与工具: 49.1Step 5 Preview, 知识: 53.7Step 5 Preview, 长上下文: 69.0Step 5 Preview, 多模态: 59.3

未绘制(测得的模型少于两个):数学, 指令遵循, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 23 项基准测试中,Qwen3.8-Flash-Next 领先 12 项,Step 5 Preview 领先 11 项。所有同时评测两者的综合评分都认为 Qwen3.8-Flash-Next 更强。

综合 IndexQwen3.8-Flash-NextStep 5 Preview领先者
BenchLeader Index53.956.0不相上下
AA Intelligence Index v5.0.128.628.5Qwen3.8-Flash-Next

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Qwen3.8-Flash-NextStep 5 Preview
每百万 token 混合价格$0.230$1.43
每百万 token 输入 / 输出$0.150 / $0.470$1.00 / $2.70
每百万 token 缓存输入–$0.105
每项任务价格:聊天回复$0.0002$0.0012
每项任务价格:总结一份 30 页的报告$0.0021$0.014
每项任务价格:代码编辑$0.0016$0.010
每项任务价格:智能体编程会话$0.011$0.071
每项任务价格:结构化信息提取$0.0004$0.0025
智能体编程会话(输入大多命中缓存)–$0.030
每项基准测试任务成本(AA Index)$0.569$2.35
每项任务输出 token(AA Index)148k113k
其中推理部分97k80k
每项任务耗时(AA Index)31 min15 min
输出速度80 tok/s124 tok/s
首次回答时间65.5 秒23.5 秒
完整回答耗时(最近一次测量 2026年11月13日)202.8 秒54.4 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Qwen3.8-Flash-Next 上花费 $0.569,在 Step 5 Preview 上花费 $2.35;完成同样的工作,Qwen3.8-Flash-Next 输出的 token 是对方的 1.3 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。Qwen3.8-Flash-Next 得分 53.9,首个回答 token 需 66 秒。Step 5 Preview 得分 56.0,首个回答 token 需 24 秒。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 92 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Qwen3.8-Flash-NextStep 5 Preview
BenchLeader IndexBenchLeader53.956.0
智能体与工具得分BenchLeader64.049.1
编程得分BenchLeader60.749.9
知识得分BenchLeader38.153.7
长上下文得分BenchLeader64.569.0
多模态得分BenchLeader61.059.3
推理得分BenchLeader43.051.7
人类偏好得分BenchLeader–63.1
数学得分BenchLeader–60.1
混合价格(美元/百万 token)BenchLeader$0.230$1.43
输出速度BenchLeader80 tok/s124 tok/s
首次回答时间BenchLeader65.5 秒23.5 秒
上下文窗口BenchLeader256,000 token1,000,000 token
推理
Arena Hard PromptsArena (LMArena)–1477
LiveBench 2.0 ReasoningLiveBench–83.8%†
LiveBench 1.0 ReasoningLiveBench87.4%–
GPQA Diamond (AA)Artificial Analysis92.3%–
Humanity's Last Exam (AA)Artificial Analysis38.0%46.5%
HLE-Diamond (AA)Artificial Analysis16.3%24.3%
CritPtArtificial Analysis11.1%20.9%
CritPt v2 hard subset (AA)Artificial Analysis24.5%32.5%
MysteryMechanismVals AI–18.5%
Arena ExpertArena (LMArena)–1489
编程
SciCodeSciCode–58.9%
Arena CodingArena (LMArena)–1505
Arena WebDevArena (LMArena)16241573†
LiveBench 2.0 CodingLiveBench–67.6%†
LiveBench 1.0 CodingLiveBench72.5%–
SciCode (AA)Artificial Analysis50.6%58.9%
IOIVals AI–38.1%
Code MigrationVals AI–39.0%
Code Migration v1.1Vals AI–47.0%
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI–70.4%
Terminal-Bench 4.0 (AA)Artificial Analysis25.3%33.3%
Terminal-Bench 2.1 (AA)Artificial Analysis86.1%–
FrontierCode 1.1 (AA)Artificial Analysis–38.4%
FrontierCode 2.0 (AA)Artificial Analysis27.1%12.0%
显示全部 92 项基准测试
指标发布方Qwen3.8-Flash-NextStep 5 Preview
智能体与工具
Arena AgentArena (LMArena)-4.6-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
LiveBench Agentic CodingLiveBench61.6%–
GDPval-AA v2.1, normalised scoreArtificial Analysis56.4%54.3%
GDPval-AA v2.1Artificial Analysis16371591
τ³-Banking (AA)Artificial Analysis45.4%–
ITBench SRE (AA)Artificial Analysis–55.6%
Analyst Agent (AA)Artificial Analysis–35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
Finance Agent v2Vals AI–50.7%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%
Harvey's Legal Agent Benchmark v1Vals AI–9.2%
Legal Research BenchVals AI–40.4%
SREBenchVals AI–0.4%
Tax Agent BenchVals AI–27.3%
Terminal-Bench 4.0 (Vals)Vals AI–31.8%
Terminal-Bench ScienceVals AI–2.9%
Arena Agent Task CompletionArena (LMArena)0.3-1.5
AutomationBenchArtificial Analysis55.9%51.0%
GDP.pdf (AA)Artificial Analysis15.6%14.8%
EnterpriseOps-GymArtificial Analysis–47.2%
AA-Briefcase v1.1Artificial Analysis15721424
Terminal-Bench-Science 0.1 (AA)Artificial Analysis7.1%2.4%
CWE-Bench (AA)Artificial Analysis–52.5%
DeepSec-Bench (AA)Artificial Analysis–15.8%
CyberGym end-to-end (AA)Artificial Analysis–74.8%
MKA (AA)Artificial Analysis–27.6%
数学
ProofBenchVals AI–42.0%
LiveBench MathematicsLiveBench85.8%–
Arena MathsArena (LMArena)–1470
知识
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
LiveBench 1.0 Data AnalysisLiveBench74.2%–
AA-Omniscience v1.1Artificial Analysis-12.216.4
BioMysteryBenchVals AI–67.4%
Excel Modeling BenchmarkVals AI–57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
Public Benefits Bench v1.1Vals AI–58.1%
AA-Omniscience v1.1: accuracyArtificial Analysis23.5%36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis53.2%68.7%
指令遵循
LiveBench LanguageLiveBench74.6%–
LiveBench Instruction FollowingLiveBench77.1%–
Arena Instruction FollowingArena (LMArena)–1450
人类偏好
Arena TextArena (LMArena)–1449
Arena Creative WritingArena (LMArena)–1413
Arena Multi-turnArena (LMArena)–1445
Arena Longer QueriesArena (LMArena)–1461
多模态
Arena VisionArena (LMArena)–1263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis78.6%76.4%
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
长上下文
AA-LCR v1.1Artificial Analysis79.7%88.3%
MLCRArtificial Analysis20.6%18.3%
综合
LiveBench 2.0LiveBench–54.9%†
LiveBench 1.0LiveBench76.2%–
AA Intelligence Index v5.0.1Artificial Analysis28.628.5
AA Intelligence Index v4.3.2Artificial Analysis39.843.7
AA Progress Index v1Artificial Analysis320.2318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals Science IndexVals AI–29.6%
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
元数据
AA Openness IndexArtificial Analysis38.933.3

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

变化

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Qwen3.8-Flash-Next:BenchLeader Index 54.7 → 54.0。
  • Qwen3.8-Flash-Next:3 项新结果(AA Intelligence Index v5.0.1, FrontierCode 2.0 (AA), Terminal-Bench-Science 0.1 (AA))。
  • Step 5 Preview:1 项分数修订。
  • Qwen3.8-Flash-Next:1 项新结果(CritPt v2 hard subset (AA));1 项分数修订。
  • Step 5 Preview:7 项分数修订。
  • Step 5 Preview:2 项新结果(Vals Index, Harvey's Legal Agent Benchmark v1.1)。
  • Qwen3.8-Flash-Next:1 项新结果(AA-Briefcase v1.1);1 项分数修订。
  • Step 5 Preview:1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Qwen3.8-Flash-Next vs Step 5 Preview:常见问题

Qwen3.8-Flash-Next 比 Step 5 Preview 更好吗?
Qwen3.8-Flash-Next 与 Step 5 Preview 的质量不相上下(53.9 比 56.0,在 ±9.0 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Qwen3.8-Flash-Next 和 Step 5 Preview 哪个更便宜?价格会变吗?
目前 Qwen3.8-Flash-Next 更便宜:每百万 token $0.230 比 $1.43(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Qwen3.8-Flash-Next 还是 Step 5 Preview 更好?
Qwen3.8-Flash-Next 在编程方面得分更高(类别得分 61 比 50,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Qwen3.8-Flash-Next 为 27.1%,Step 5 Preview 为 12.0%。
Qwen3.8-Flash-Next 和 Step 5 Preview 哪个更快?
Step 5 Preview 输出更快(约 1.5 倍;输出 124 比 80 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Qwen3.8-Flash-Next 还是 Step 5 Preview 更好?
Qwen3.8-Flash-Next 在智能体任务方面得分更高(类别得分 64 比 49,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Qwen3.8-Flash-Next 为 -4.6,Step 5 Preview 为 -3.7。
更多问题(4)
处理长文档哪个更好?
Step 5 Preview 在长上下文基准测试上得分更高(69 比 65)。Step 5 Preview 支持更长的上下文:1,000,000 token,Qwen3.8-Flash-Next 为 256,000 token。
哪个延迟更低?
Step 5 Preview 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 23.5 秒比 65.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Qwen3.8-Flash-Next 和 Step 5 Preview 的看法一致吗?
在两者都有结果的 23 项基准测试中,Qwen3.8-Flash-Next 领先 12 项,Step 5 Preview 领先 11 项。所有同时评测两者的综合评分都认为 Qwen3.8-Flash-Next 更强。
Step 5 Preview 是什么时候发布的?
Step 5 Preview 于 2026年9月18日 发布。