AI BENCHY Compare

StepFun: Step 3.7 Flash vs Z.ai: GLM 5.2

Zusammenfassung

Step 3.7 Flash vs GLM 5.2 Benchmark-Vergleich: GLM 5.2 führt beim Durchschnittsscore mit 8.7 vs 7.7. GLM 5.2 hat die niedrigeren Benchmark-Kosten mit $0.324 vs $0.341. Step 3.7 Flash ist schneller mit 15.74s vs 23.28s, mit Erfolgsraten von 68.3% vs 84.1%.

Empfohlenes Modell: GLM 5.2 - Es hat die stärkste Punktzahl in diesem Vergleich (8.7) und die beste Gesamtbalance aus Kosten und Antwortzeit über alle 2 Modelle.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-06-17

Metrik	Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29	GLM 5.2 GLM 5.2 medium Veröffentlichung: 2026-06-17

Metrik	Step 3.7 Flash Step 3.7 Flash low Veröffentlichung: 2026-05-29	GLM 5.2 GLM 5.2 medium Veröffentlichung: 2026-06-17
Punktzahl	7.7	8.7
Rang	#39	#14
Zuverlässigkeit	10.0	9.5
Konsistenz	8.4	8.4
Korrekte Tests
Erfolgsquote pro Versuch	68.3%	84.1%
Instabile Tests	4	4
Gesamtläufe	63	63
Kosten pro Ergebnis	2.840	2.159
Gesamtkosten	$0.341	$0.324
Eingabepreis	$0.200 / 1M	$1.400 / 1M
Ausgabepreis	$1.150 / 1M	$4.400 / 1M
Gesamte Eingabe-Token	40,101	37,199
Ausgabe-Token	289,325	12,261
Denk-Token	0	49,500
Antwortzeit (Durchschnitt)	15.74s	23.28s
Antwortzeit (Maximum)	124.75s	101.36s
Antwortzeit (Gesamt)	330.63s	488.94s

Generation showcase

Hamster playing table tennis

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

#39 Step 3.7 Flash

low

Invalid SVG

Cost: $0.004
Time: 25.3s
Tokens: 3,072 tok

#14 GLM 5.2

medium

Cost: $0.041
Time: 195.8s
Tokens: 9,287 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

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 5.2	10.0	10.0	100.0%	0		5.89s	639	497	2,634

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 5.2	8.2	7.2	88.9%	1		40.96s	7,317	1,475	17,123

Kombiniert	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		7.98s	13,683	6,426	0
GLM 5.2	10.0	10.0	100.0%	0		51.96s	12,696	458	4,531

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 5.2	10.0	10.0	100.0%	0		13.44s	7,149	348	2,345

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 5.2	4.1	4.4	44.5%	2		45.47s	551	8,188	11,606

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 5.2	10.0	10.0	100.0%	0		17.39s	498	54	1,842

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 5.2	9.9	10.0	100.0%	0		7.90s	678	94	1,518

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 5.2	8.2	7.2	88.9%	1		13.13s	672	536	4,822

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 5.2	10.0	10.0	100.0%	0		20.41s	6,861	230	550

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 5.2	3.0	10.0	0.0%	0		34.25s	138	381	2,529

Schnellvergleich

Vergleichspaar wechseln