StepFun: Step 3.7 Flash vs Z.ai: GLM 5.1

Step 3.7 Flash (low) が平均スコアでリードし、7.3 vs 7.1 です。 Step 3.7 Flash (low) の benchmark コストが低く、$0.454 vs $0.535 です。 Step 3.7 Flash (low) の方が高速で、20.68s vs 46.77s です、成功率は 68.2% vs 69.7% です。

おすすめモデルStep 3.7 Flash (low)ここでは最高スコア（7.3）で、GLM 5.1 (medium) より約 2.3 倍速く応答します。

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: 2026-07-17

指標	Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29	GLM 5.1 GLM 5.1 medium リリース: 2026-04-07

指標	Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29	GLM 5.1 GLM 5.1 medium リリース: 2026-04-07
スコア	7.3	7.1
順位	#64	#71
信頼性	10.0	8.3
一貫性	8.1	8.4
正解テスト
試行ごとの合格率	68.2%	69.7%
不安定なテスト	5	4
総実行回数	66	66
結果あたりのコスト	3.782	4.202
合計コスト	$0.454	$0.535
入力価格	$0.200 / 1M	$0.966 / 1M
出力価格	$1.150 / 1M	$3.036 / 1M
合計入力トークン	103,833	82,623
出力トークン	376,581	16,089
推論トークン	0	136,463
応答時間（平均）	20.68s	46.77s
応答時間（最大）	124.75s	308.75s
応答時間（合計）	455.01s	982.16s

Hamster playing table tennis

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

#64 Step 3.7 Flash

low

無効なSVG

コスト: $0.004
時間: 25.3s
トークン: 3,072 tok

#71 GLM 5.1

medium

無効なSVG

コスト: $0.000
時間: 300.0s
トークン: 0 tok

スコア上位モデル

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

カテゴリ:

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）	入力トークン	出力トークン	推論トークン
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0
GLM 5.1	10.0	10.0	100.0%	0		8.31s	555	401	5,122

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）	入力トークン	出力トークン	推論トークン
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0
GLM 5.1	4.6	3.7	44.5%	2		109.63s	5,702	4,871	37,826

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）	入力トークン	出力トークン	推論トークン
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0
GLM 5.1	9.8	10.0	100.0%	0		175.93s	66,926	4,761	65,248

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）	入力トークン	出力トークン	推論トークン
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0
GLM 5.1	10.0	10.0	100.0%	0		9.33s	7,107	991	4,552

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）	入力トークン	出力トークン	推論トークン
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0
GLM 5.1	5.3	10.0	33.3%	0		29.77s	489	969	11,314

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）	入力トークン	出力トークン	推論トークン
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0
GLM 5.1	10.0	10.0	100.0%	0		20.95s	477	2,875	2,875

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）	入力トークン	出力トークン	推論トークン
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0
GLM 5.1	6.4	5.8	66.7%	1		7.47s	634	204	1,617

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）	入力トークン	出力トークン	推論トークン
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0
GLM 5.1	8.2	7.2	88.9%	1		31.64s	609	935	5,730

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）	入力トークン	出力トークン	推論トークン
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0
GLM 5.1	3.0	10.0	0.0%	0		0ms	0	0	0

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）	入力トークン	出力トークン	推論トークン
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0
GLM 5.1	3.0	10.0	0.0%	0		29.40s	124	82	2,179

クイック比較

比較ペアを切り替え

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Qwen3.7 PlusnonevsGLM 5.1medium Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsGLM 5.1medium Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok 4.3medium