AI BENCHY Compare

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

Rezumat

Step 3.7 Flash (medium) conduce la scorul mediu cu 8.5 vs 8.0. Step 3.7 Flash (medium) are costul de benchmark mai mic, $0.376 vs $0.667. Step 3.7 Flash (medium) este mai rapid cu 20.35s vs 37.09s, cu rate de reușită de 73.0% vs 77.8%.

Model recomandatStep 3.7 Flash (medium)Are cel mai bun scor aici (8.5) și costă de aproximativ 1.8x mai puțin decât GLM 5.2 (high).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-14

Metrică	Step 3.7 Flash Step 3.7 Flash medium Lansare: 2026-05-29	GLM 5.2 GLM 5.2 high Lansare: 2026-06-17

Metrică	Step 3.7 Flash Step 3.7 Flash medium Lansare: 2026-05-29	GLM 5.2 GLM 5.2 high Lansare: 2026-06-17
Scor	8.5	8.0
Rang	#23	#32
Fiabilitate	9.9	9.3
Consistență	9.3	7.6
Teste corecte
Rată de trecere pe încercare	73.0%	77.8%
Teste instabile	2	6
Rulări totale	61	63
Cost per rezultat	2.686	4.255
Cost total	$0.376	$0.667
Preț de intrare	$0.200 / 1M	$0.929 / 1M
Preț de ieșire	$1.150 / 1M	$2.918 / 1M
Total tokenuri de intrare	39,981	34,993
Tokenuri de ieșire	319,958	51,575
Tokenuri de raționament	0	166,065
Timp de răspuns (mediu)	20.35s	37.09s
Timp de răspuns (maxim)	113.98s	180.69s
Timp de răspuns (total)	427.42s	778.91s

Prezentare generare

Hamster playing table tennis

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

#23 Step 3.7 Flash

medium

Cost: $0.006
Timp: 46.2s
Tokenuri: 4,466 tok

#32 GLM 5.2

high

SVG invalid

Cost: $0.000
Timp: 300.0s
Tokenuri: 0 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Categorie:

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	0
GLM 5.2	6.4	4.4	77.8%	2		73.03s	5,124	2,302	22,546

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Step 3.7 Flash	10.0	10.0	100.0%	0		9.06s	13,683	7,106	0
GLM 5.2	10.0	10.0	100.0%	0		43.51s	12,696	711	4,267

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	0
GLM 5.2	3.5	4.4	33.3%	2		73.97s	551	46,693	90,566

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
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

Comparație rapidă

Schimbă perechea de comparație

GPT-5.2 ChatnonevsStep 3.7 Flashmedium GPT-5.4 MinimediumvsGLM 5.2high Qwen3.5 Plus 2026-02-15mediumvsGLM 5.2high KAT-Coder-Pro V2.5lowvsGLM 5.2high Nemotron 3 Ultra 550b A55bmediumDisponibil gratuitvsGLM 5.2high Qwen3.7 PlusmediumvsGLM 5.2high Qwen3.5-27BmediumvsGLM 5.2high Claude Sonnet 5mediumvsGLM 5.2high Qwen3.6 PlusmediumvsGLM 5.2high Gemini 2.5 FlashmediumvsGLM 5.2high GPT-5.6 TerramediumvsGLM 5.2high Claude Sonnet 4.6mediumvsGLM 5.2high