AI BENCHY Compare

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

Zusammenfassung

Step 3.7 Flash (medium) führt beim Durchschnittsscore mit 8.5 vs 8.0. Step 3.7 Flash (medium) hat die niedrigeren Benchmark-Kosten mit $0.376 vs $0.667. Step 3.7 Flash (medium) ist schneller mit 20.35s vs 37.09s, mit Erfolgsraten von 73.0% vs 77.8%.

Empfohlenes ModellStep 3.7 Flash (medium)Es hat hier die beste Punktzahl (8.5) und kostet etwa 1.8x weniger als GLM 5.2 (high).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-14

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

Metrik	Step 3.7 Flash Step 3.7 Flash medium Veröffentlichung: 2026-05-29	GLM 5.2 GLM 5.2 high Veröffentlichung: 2026-06-17
Punktzahl	8.5	8.0
Rang	#23	#32
Zuverlässigkeit	9.9	9.3
Konsistenz	9.3	7.6
Korrekte Tests
Erfolgsquote pro Versuch	73.0%	77.8%
Instabile Tests	2	6
Gesamtläufe	61	63
Kosten pro Ergebnis	2.686	4.255
Gesamtkosten	$0.376	$0.667
Eingabepreis	$0.200 / 1M	$0.929 / 1M
Ausgabepreis	$1.150 / 1M	$2.918 / 1M
Gesamte Eingabe-Token	39,981	34,993
Ausgabe-Token	319,958	51,575
Denk-Token	0	166,065
Antwortzeit (Durchschnitt)	20.35s	37.09s
Antwortzeit (Maximum)	113.98s	180.69s
Antwortzeit (Gesamt)	427.42s	778.91s

Generierungs-Showcase

Hamster playing table tennis

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

#23 Step 3.7 Flash

medium

Kosten: $0.006
Zeit: 46.2s
Token: 4,466 tok

#32 GLM 5.2

high

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		9.65s	756	32,185	0
GLM 5.2	10.0	10.0	100.0%	0		5.80s	639	406	2,660

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	0
GLM 5.2	6.4	4.4	77.8%	2		73.03s	5,124	2,302	22,546

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		9.06s	13,683	7,106	0
GLM 5.2	10.0	10.0	100.0%	0		43.51s	12,696	711	4,267

Datenanalyse und -extraktion	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		2.75s	7,398	3,020	0
GLM 5.2	10.0	10.0	100.0%	0		5.81s	7,143	435	1,414

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	0
GLM 5.2	3.5	4.4	33.3%	2		73.97s	551	46,693	90,566

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	0
GLM 5.2	10.0	10.0	100.0%	0		12.90s	498	63	1,743

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		1.83s	735	2,166	0
GLM 5.2	10.0	10.0	100.0%	0		4.26s	678	151	1,210

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	15,071	0
GLM 5.2	6.0	4.6	66.7%	2		33.71s	665	568	22,392

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		4.16s	7,746	2,115	0
GLM 5.2	10.0	10.0	100.0%	0		9.25s	6,861	246	503

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		113.98s	237	139,164	0
GLM 5.2	3.0	10.0	0.0%	0		127.82s	138	0	18,764

Schnellvergleich

Vergleichspaar wechseln

GPT-5.2 ChatnonevsStep 3.7 Flashmedium GPT-5.4 MinimediumvsGLM 5.2high Qwen3.5 Plus 2026-02-15mediumvsGLM 5.2high KAT-Coder-Pro V2.5lowvsGLM 5.2high Nemotron 3 Ultra 550b A55bmediumKostenlos verfügbarvsGLM 5.2high Qwen3.7 PlusmediumvsGLM 5.2high Qwen3.5-27BmediumvsGLM 5.2high Claude Sonnet 5mediumvsGLM 5.2high Qwen3.6 PlusmediumvsGLM 5.2high Gemini 2.5 FlashmediumvsGLM 5.2high GPT-5.6 TerramediumvsGLM 5.2high Claude Sonnet 4.6mediumvsGLM 5.2high