AI BENCHY Compare

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

概要

Step 3.7 Flash vs GLM 5.2 の benchmark 比較: GLM 5.2 が平均スコアでリードし、8.7 vs 7.7 です。 GLM 5.2 の benchmark コストが低く、$0.324 vs $0.341 です。 Step 3.7 Flash の方が高速で、15.74s vs 23.28s です、成功率は 68.3% vs 84.1% です。

おすすめモデル: GLM 5.2 - この比較で最も高いスコア（8.7）を出し、全 2 モデルの中でコストと応答時間のバランスも最良です。

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: 2026-06-17

指標	Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29	GLM 5.2 GLM 5.2 medium リリース: 2026-06-17

指標	Step 3.7 Flash Step 3.7 Flash low リリース: 2026-05-29	GLM 5.2 GLM 5.2 medium リリース: 2026-06-17
スコア	7.7	8.7
順位	#39	#14
信頼性	10.0	9.5
一貫性	8.4	8.4
正解テスト
試行ごとの合格率	68.3%	84.1%
不安定なテスト	4	4
総実行回数	63	63
結果あたりのコスト	2.840	2.159
合計コスト	$0.341	$0.324
入力価格	$0.200 / 1M	$1.400 / 1M
出力価格	$1.150 / 1M	$4.400 / 1M
合計入力トークン	40,101	37,199
出力トークン	289,325	12,261
推論トークン	0	49,500
応答時間（平均）	15.74s	23.28s
応答時間（最大）	124.75s	101.36s
応答時間（合計）	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

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

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 5.2	10.0	10.0	100.0%	0		5.89s	639	497	2,634

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 5.2	8.2	7.2	88.9%	1		40.96s	7,317	1,475	17,123

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	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

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 5.2	10.0	10.0	100.0%	0		13.44s	7,149	348	2,345

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 5.2	4.1	4.4	44.5%	2		45.47s	551	8,188	11,606

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 5.2	10.0	10.0	100.0%	0		17.39s	498	54	1,842

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 5.2	9.9	10.0	100.0%	0		7.90s	678	94	1,518

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 5.2	8.2	7.2	88.9%	1		13.13s	672	536	4,822

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 5.2	10.0	10.0	100.0%	0		20.41s	6,861	230	550

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 5.2	3.0	10.0	0.0%	0		34.25s	138	381	2,529

クイック比較

比較ペアを切り替え