Step 3.7 Flash (low) vs GLM 5.3 FlashX (medium)

Step 3.7 Flash (low) average score मध्ये पुढे आहे: 7.2 vs 7.1. GLM 5.3 FlashX (medium) चा benchmark खर्च कमी आहे: $0.114 vs $0.449. GLM 5.3 FlashX (medium) वेगवान आहे: 7.37s vs 20.72s, pass rates 63.8% vs 69.6%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #147
एकूण आउटपुट टोकन्स: 339,108
प्रतिसाद वेळ (सरासरी): 20.72s
एकूण खर्च: $0.449

क्रमांक: #150
एकूण आउटपुट टोकन्स: 30,048
प्रतिसाद वेळ (सरासरी): 7.37s
एकूण खर्च: $0.114

शिफारस केलेले मॉडेल GLM 5.3 FlashX (medium)

Its score stays close to the best score here (7.1 vs 7.2), while costing about 4.0x less than Step 3.7 Flash (low).

तपशीलवार तुलना

मेट्रिक	Step 3.7 Flash Step 3.7 Flash low प्रकाशन: 2026-05-29	GLM 5.3 FlashX GLM 5.3 FlashX medium प्रकाशन: 2026-09-21

मेट्रिक	Step 3.7 Flash Step 3.7 Flash low प्रकाशन: 2026-05-29	GLM 5.3 FlashX GLM 5.3 FlashX medium प्रकाशन: 2026-09-21
स्कोअर	7.2	7.1
क्रमांक	#147	#150
विश्वसनीयता	10.0	10.0
सुसंगतता	7.9	7.1
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	63.8%	69.6%
अस्थिर चाचण्या	6	8
एकूण रन	69	69
प्रति निकाल खर्च	4.078	0.946
एकूण खर्च	$0.449	$0.114
इनपुट किंमत	$0.200 / 1M	$0.370 / 1M
आउटपुट किंमत	$1.150 / 1M	$1.250 / 1M
एकूण इनपुट टोकन्स	292,685	205,100
आउटपुट टोकन्स	339,108	8,639
रिझनिंग टोकन्स	0	21,409
प्रतिसाद वेळ (सरासरी)	20.72s	7.37s
प्रतिसाद वेळ (कमाल)	124.75s	74.39s
प्रतिसाद वेळ (एकूण)	476.67s	169.54s
पॅरामीटर्स	198B एकूण (11B सक्रिय)	320B एकूण (18B सक्रिय)
उपलब्धता	मुक्त स्रोत	बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#147 Step 3.7 Flash

low

अवैध SVG

खर्च: $0.004
वेळ: 25.3s
टोकन्स: 3,072 tok

#150 GLM 5.3 FlashX

medium

खर्च: $0.002
वेळ: 8.1s
टोकन्स: 1,480 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	7.4	3.8	66.7%	1		83.63s	188,843	18,715	0
GLM 5.3 FlashX	10.0	10.0	100.0%	0		74.39s	120,771	922	9,693

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0
GLM 5.3 FlashX	7.3	5.8	83.3%	2		1.71s	639	343	368

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0
GLM 5.3 FlashX	6.0	4.6	66.7%	2		6.37s	7,317	384	5,562

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	7.3	5.8	83.3%	1		66.18s	77,415	93,682	0
GLM 5.3 FlashX	2.8	1.6	33.3%	2		15.97s	59,549	5,920	2,786

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.74s	7,149	210	134

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	2.9	7.2	11.1%	1		22.65s	837	48,299	0
GLM 5.3 FlashX	3.6	7.2	22.2%	1		3.52s	759	38	2,005

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0
GLM 5.3 FlashX	3.4	2.2	33.3%	1		1.79s	498	135	0

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.51s	678	72	70

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.84s	672	306	371

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0
GLM 5.3 FlashX	10.0	10.0	100.0%	0		10.30s	6,861	231	20

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0
GLM 5.3 FlashX	3.0	10.0	0.0%	0		2.60s	207	78	400

झटपट तुलना

तुलना जोडी बदला

Step 3.7 FlashlowvsGLM 5medium MiMo-V2.6-FlashlowvsGLM 5.3 FlashXmedium LongCat 2.0mediumvsStep 3.7 Flashlow Qwen3.6 27BmediumvsStep 3.7 Flashlow Qwen3.7 FlashhighvsStep 3.7 Flashlow Claude Opus 5nonevsStep 3.7 Flashlow Qwen3.8 27Bmediumमोफत उपलब्धvsStep 3.7 Flashlow GPT-5.2 ChatnonevsGLM 5.3 FlashXmedium Qwen3.5 Plus 2026-02-15mediumvsStep 3.7 Flashlow Qwen3.5-27BnonevsStep 3.7 Flashlow Claude Opus 5nonevsGLM 5.3 FlashXmedium Ember-1lowvsGLM 5.3 FlashXmedium