AI BENCHY Compare

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

Ringkasan

Perbandingan benchmark Step 3.7 Flash vs GLM 5.2: GLM 5.2 unggul dalam skor rata-rata dengan 8.7 vs 7.7. GLM 5.2 memiliki biaya benchmark lebih rendah di $0.324 vs $0.341. Step 3.7 Flash lebih cepat di 15.74s vs 23.28s, dengan tingkat keberhasilan 68.3% vs 84.1%.

Model yang direkomendasikan: GLM 5.2 - It has the strongest score in this comparison (8.7) and the best overall balance of cost and response time across all 2 models.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-17

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

Metrik	Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29	GLM 5.2 GLM 5.2 medium Rilis: 2026-06-17
Skor	7.7	8.7
Peringkat	#39	#14
Keandalan	10.0	9.5
Konsistensi	8.4	8.4
Tes benar
Tingkat lulus per percobaan	68.3%	84.1%
Tes tidak stabil	4	4
Total Run	63	63
Biaya per hasil	2.840	2.159
Total Biaya	$0.341	$0.324
Harga input	$0.200 / 1M	$1.400 / 1M
Harga output	$1.150 / 1M	$4.400 / 1M
Total token input	40,101	37,199
Token output	289,325	12,261
Token penalaran	0	49,500
Waktu respons (rata-rata)	15.74s	23.28s
Waktu respons (maks)	124.75s	101.36s
Waktu respons (total)	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

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Perbandingan Cepat

Ganti Pasangan Perbandingan