नेविगेशन
AI BENCHY
Advertise here

Step 3.7 Flash (high) vs GLM 5.1 (medium)

GLM 5.1 (medium) average score में आगे है: 7.1 vs 6.9. GLM 5.1 (medium) की benchmark लागत कम है: $0.527 vs $1.207. GLM 5.1 (medium) तेज है: 46.77s vs 64.68s, pass rates 63.6% vs 69.7%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-08-05

रैंक
#107
कुल आउटपुट टोकन
1,032,395
प्रतिक्रिया समय (औसत)
64.68s
कुल लागत
$1.207
रैंक
#94
कुल आउटपुट टोकन
152,552
प्रतिक्रिया समय (औसत)
46.77s
कुल लागत
$0.527
अनुशंसित मॉडल GLM 5.1 (medium)

It has the best score here (7.1), while costing about 2.3x less than Step 3.7 Flash (high).

विस्तृत तुलना

मेट्रिक Step 3.7 Flash Step 3.7 Flash high रिलीज़: 2026-05-29 GLM 5.1 GLM 5.1 medium रिलीज़: 2026-04-07
स्कोर 6.9 7.1
रैंक #107 #94
विश्वसनीयता 10.0 8.3
संगति 8.0 8.4
बेंचमार्क कवरेज 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास
सही परीक्षण
प्रति प्रयास पास दर 63.6% 69.7%
अस्थिर टेस्ट 5 4
कुल रन 66 66
प्रति परिणाम लागत 10.973 4.202
कुल लागत $1.207 $0.527
इनपुट कीमत $0.200 / 1M $0.952 / 1M
आउटपुट कीमत $1.150 / 1M $2.992 / 1M
कुल इनपुट टोकन 98,691 82,623
आउटपुट टोकन 1,032,395 16,089
रीजनिंग टोकन 0 136,463
प्रतिक्रिया समय (औसत) 64.68s 46.77s
प्रतिक्रिया समय (अधिकतम) 364.99s 308.75s
प्रतिक्रिया समय (कुल) 1423.01s 982.16s

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#107 Step 3.7 Flash

high
लागत
$0.007
समय
63.6s
टोकन
6,030 tok

#94 GLM 5.1

medium
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0
GLM 5.1 4.6 3.7 44.5% 2 109.63s 5,702 4,871 37,826

त्वरित तुलना

तुलना जोड़ी बदलें