StepFun: Step 3.7 Flash vs Z.ai: GLM 5.1

Step 3.7 Flash (low) führt beim Durchschnittsscore mit 7.3 vs 7.1. Step 3.7 Flash (low) hat die niedrigeren Benchmark-Kosten mit $0.454 vs $0.535. Step 3.7 Flash (low) ist schneller mit 20.68s vs 46.77s, mit Erfolgsraten von 68.2% vs 69.7%.

Empfohlenes ModellStep 3.7 Flash (low)Es hat hier die beste Punktzahl (7.3) und antwortet etwa 2.3x schneller als GLM 5.1 (medium).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-17

Metrik	Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29	GLM 5.1 GLM 5.1 medium Veröffentlichung: 2026-04-07

Metrik	Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29	GLM 5.1 GLM 5.1 medium Veröffentlichung: 2026-04-07
Punktzahl	7.3	7.1
Rang	#64	#71
Zuverlässigkeit	10.0	8.3
Konsistenz	8.1	8.4
Korrekte Tests
Erfolgsquote pro Versuch	68.2%	69.7%
Instabile Tests	5	4
Gesamtläufe	66	66
Kosten pro Ergebnis	3.782	4.202
Gesamtkosten	$0.454	$0.535
Eingabepreis	$0.200 / 1M	$0.966 / 1M
Ausgabepreis	$1.150 / 1M	$3.036 / 1M
Gesamte Eingabe-Token	103,833	82,623
Ausgabe-Token	376,581	16,089
Denk-Token	0	136,463
Antwortzeit (Durchschnitt)	20.68s	46.77s
Antwortzeit (Maximum)	124.75s	308.75s
Antwortzeit (Gesamt)	455.01s	982.16s

Hamster playing table tennis

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

#64 Step 3.7 Flash

low

Ungültiges SVG

Kosten: $0.004
Zeit: 25.3s
Token: 3,072 tok

#71 GLM 5.1

medium

Ungültiges SVG

Kosten: $0.000
Zeit: 300.0s
Token: 0 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Kategorie:

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0
GLM 5.1	10.0	10.0	100.0%	0		8.31s	555	401	5,122

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0
GLM 5.1	4.6	3.7	44.5%	2		109.63s	5,702	4,871	37,826

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0
GLM 5.1	9.8	10.0	100.0%	0		175.93s	66,926	4,761	65,248

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0
GLM 5.1	10.0	10.0	100.0%	0		9.33s	7,107	991	4,552

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0
GLM 5.1	5.3	10.0	33.3%	0		29.77s	489	969	11,314

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0
GLM 5.1	10.0	10.0	100.0%	0		20.95s	477	2,875	2,875

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0
GLM 5.1	6.4	5.8	66.7%	1		7.47s	634	204	1,617

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0
GLM 5.1	8.2	7.2	88.9%	1		31.64s	609	935	5,730

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0
GLM 5.1	3.0	10.0	0.0%	0		0ms	0	0	0

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0
GLM 5.1	3.0	10.0	0.0%	0		29.40s	124	82	2,179

Schnellvergleich

Vergleichspaar wechseln

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Qwen3.7 PlusnonevsGLM 5.1medium Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsGLM 5.1medium Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok 4.3medium