Step 3.7 Flash (medium) vs GLM 5.2 (high)

GLM 5.2 (high) average score मध्ये पुढे आहे: 8.4 vs 7.8. Step 3.7 Flash (medium) चा benchmark खर्च कमी आहे: $0.571 vs $4.632. Step 3.7 Flash (medium) वेगवान आहे: 26.57s vs 69.11s, pass rates 68.1% vs 71.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-19

तुलना केलेली मॉडेल्स

क्रमांक: #129
एकूण आउटपुट टोकन्स: 440,835
प्रतिसाद वेळ (सरासरी): 26.57s
एकूण खर्च: $0.571

क्रमांक: #90
एकूण आउटपुट टोकन्स: 382,333
प्रतिसाद वेळ (सरासरी): 69.11s
एकूण खर्च: $4.632

शिफारस केलेले मॉडेल Step 3.7 Flash (medium)

Its score stays close to the best score here (7.8 vs 8.4), while costing about 8.1x less than GLM 5.2 (high).

तपशीलवार तुलना

मेट्रिक	Step 3.7 Flash Step 3.7 Flash medium प्रकाशन: 2026-05-29	GLM 5.2 GLM 5.2 high प्रकाशन: 2026-06-17

मेट्रिक	Step 3.7 Flash Step 3.7 Flash medium प्रकाशन: 2026-05-29	GLM 5.2 GLM 5.2 high प्रकाशन: 2026-06-17
स्कोअर	7.8	8.4
क्रमांक	#129	#90
विश्वसनीयता	10.0	10.0
सुसंगतता	8.7	8.6
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	68.1%	71.0%
अस्थिर चाचण्या	4	3
एकूण रन	69	69
प्रति निकाल खर्च	4.392	7.314
एकूण खर्च	$0.571	$4.632
इनपुट किंमत	$0.200 / 1M	$0.153 / 1M
आउटपुट किंमत	$1.150 / 1M	$12.000 / 1M
कॅश वाचण्याची किंमत	$0.040 / 1M	$0.150 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	319,524	288,913
आउटपुट टोकन्स	440,835	79,462
रिझनिंग टोकन्स	0	303,120
प्रतिसाद वेळ (सरासरी)	26.57s	69.11s
प्रतिसाद वेळ (कमाल)	152.83s	599.43s
प्रतिसाद वेळ (एकूण)	611.09s	1589.43s
पॅरामीटर्स	198B एकूण (11B सक्रिय)	744B एकूण (40B सक्रिय)
उपलब्धता	मुक्त स्रोत	मुक्त स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#129 Step 3.7 Flash

medium

खर्च: $0.006
वेळ: 46.2s
टोकन्स: 4,466 tok

#90 GLM 5.2

high

Reached the allocated time limit (300 seconds) without receiving showcase output.

खर्च: $0.000
वेळ: 300.0s
टोकन्स: 0 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		93.88s	205,333	31,126	0
GLM 5.2	10.0	10.0	100.0%	0		52.45s	205,091	7,422	10,505

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		9.65s	756	32,185	0
GLM 5.2	10.0	10.0	100.0%	0		5.80s	639	406	2,660

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	0
GLM 5.2	6.4	8.6	33.3%	0		73.03s	5,124	2,302	22,546

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		80.94s	87,764	114,720	0
GLM 5.2	10.0	10.0	100.0%	0		321.47s	61,516	18,824	63,861

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	10.0	10.0	100.0%	0		2.75s	7,398	3,020	0
GLM 5.2	10.0	10.0	100.0%	0		5.81s	7,143	435	1,414

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	5.3	10.0	33.3%	0		27.26s	837	52,484	0
GLM 5.2	3.1	6.5	11.1%	1		126.85s	560	49,045	157,522

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	4.0	10.0	0.0%	0		6.85s	525	3,987	0
GLM 5.2	10.0	10.0	100.0%	0		12.90s	498	63	1,743

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		1.83s	735	2,166	0
GLM 5.2	10.0	10.0	100.0%	0		4.26s	678	151	1,210

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	5.7	9.9	33.3%	0		6.19s	756	15,071	0
GLM 5.2	6.0	4.6	66.7%	2		33.71s	665	568	22,392

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		4.16s	7,746	2,115	0
GLM 5.2	10.0	10.0	100.0%	0		9.25s	6,861	246	503

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		113.98s	237	139,164	0
GLM 5.2	3.0	10.0	0.0%	0		127.82s	138	0	18,764

तुलना जोडी बदला

Step 3.7 FlashmediumvsGLM 5.3high Qwen3.7 PlusnonevsStep 3.7 Flashmedium Step 3.7 FlashmediumvsGrok 4.5low DeepSeek V4.1 Flash 1017highvsStep 3.7 Flashmedium Ling 3.1 FlashhighvsStep 3.7 Flashmedium Muse WondermaxvsStep 3.7 Flashmedium Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Kimi K3maxvsGLM 5.2high Gemini 3.1 Pro PreviewmediumvsGLM 5.2high Muse Glimmer 30BxhighvsGLM 5.2high GPT-5 MinimediumvsGLM 5.2high Qwen3.8 2.4T A95BlowvsGLM 5.2high