AI BENCHY Compare
StepFun: Step 3.5 Flash vs Z.ai: GLM 5V Turbo
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-05-10
| 指標 | Step 3.5 Flash Step 3.5 Flash medium | GLM 5V Turbo GLM 5V Turbo medium |
|---|---|---|
| スコア | 7.6 | 7.5 |
| 順位 | #43 | #49 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 9.2 | 7.6 |
| 正解テスト | ||
| 試行ごとの合格率 | 66.7% | 73.7% |
| 不安定なテスト | 2 | 6 |
| 総実行回数 | 54 | 57 |
| 結果あたりのコスト | 0.099 | 2.919 |
| 合計コスト | $0.011 | $0.322 |
| ???? | $0.100 / 1M | $1.200 / 1M |
| ???? | $0.300 / 1M | $4.000 / 1M |
| 出力トークン | 78,299 | 2,373 |
| 推論トークン | 173,409 | 66,463 |
| 応答時間（平均） | 41.66s | 16.33s |
| 応答時間（最大） | 170.45s | 67.08s |
| 応答時間（合計） | 499.91s | 310.29s |
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 40.57s | 20,391 | 24,176 | |
| GLM 5V Turbo | 7.2 | 6.1 | 75.0% | 2 | 10.76s | 587 | 7,872 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 1,176 | 12,984 | |
| GLM 5V Turbo | 6.9 | 3.8 | 66.7% | 1 | 15.06s | 403 | 2,523 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 600 | 13,886 | |
| GLM 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 9.60s | 236 | 4,333 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 5.3 | 7.2 | 44.4% | 1 | 170.45s | 45,350 | 90,436 | |
| GLM 5V Turbo | 5.3 | 7.2 | 44.4% | 1 | 38.15s | 32 | 29,035 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 22.39s | 240 | 3,506 | |
| GLM 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 11.09s | 131 | 2,183 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 8.5 | 6.8 | 83.3% | 1 | 4.98s | 2,284 | 3,412 | |
| GLM 5V Turbo | 9.9 | 10.0 | 100.0% | 0 | 3.74s | 72 | 1,813 |
| パズル解決 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.72s | 5,629 | 10,835 | |
| GLM 5V Turbo | 7.6 | 7.2 | 77.8% | 1 | 10.91s | 193 | 5,789 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 275 | 3,802 | |
| GLM 5V Turbo | 7.0 | 3.7 | 66.7% | 1 | 12.53s | 293 | 765 |
| 雑学 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 108.45s | 2,354 | 10,372 | |
| GLM 5V Turbo | 3.0 | 10.0 | 0.0% | 0 | 40.96s | 22 | 7,522 |
| コーディング | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | - | - | - | - | - | - | - | - |
| GLM 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 13.78s | 404 | 4,628 |
クイック比較
比較ペアを切り替え
Gemini 3.1 Flash LitelowvsStep 3.5 FlashmediumDeepSeek V4 FlashhighvsGLM 5V TurbomediumGPT-5.2 ChatnonevsStep 3.5 FlashmediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumGPT-5.3 ChatnonevsGLM 5V TurbomediumDeepSeek V4 FlashhighvsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsGLM 5V TurbomediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumGPT-5.2 ChatnonevsGLM 5V TurbomediumGemini 3.1 Flash Lite PreviewnonevsGLM 5V TurbomediumGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumGemini 3 Flash PreviewnonevsStep 3.5 Flashmedium