导航
AI BENCHY
Advertise here

Qwen3.7 Flash (high) vs GLM 5 (medium)

Qwen3.7 Flash (high) 平均分领先，为 7.8 vs 7.7。 Qwen3.7 Flash (high) benchmark 成本更低，为 $0.051 vs $0.307。 GLM 5 (medium) 更快，为 33.54s vs 39.77s，通过率为 72.7% vs 78.8%。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-28

排名
#48
总输出令牌
359,703
响应时间（平均）
39.77s
总成本
$0.051
排名
#50
总输出令牌
124,566
响应时间（平均）
33.54s
总成本
$0.307
推荐模型 Qwen3.7 Flash (high)

它在这里得分最高（7.8），同时成本比GLM 5 (medium)低约 6.1 倍。

详细对比

指标 Qwen3.7 Flash Qwen3.7 Flash high 发布日期: 2026-07-28 GLM 5 GLM 5 medium 发布日期: 2026-02-12
分数 7.8 7.7
排名 #48 #50
可靠性 10.0 10.0
一致性 7.8 8.1
测试正确
尝试通过率 72.7% 78.8%
不稳定测试 6 4
总运行次数 66 63
每个结果成本 0.387 1.668
总成本 $0.051 $0.307
输入价格 $0.030 / 1M $0.950 / 1M
输出价格 $0.130 / 1M $2.551 / 1M
总输入令牌 116,322 35,224
输出令牌 12,332 21,570
推理令牌 347,371 102,996
响应时间（平均） 39.77s 33.54s
响应时间（最大） 431.47s 99.85s
响应时间（总计） 875.01s 435.99s

Hamster playing table tennis

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

#48 Qwen3.7 Flash

high
无效SVG
成本
$0.000
时间
600.0s
令牌
0 tok

#50 GLM 5

medium
成本
$0.005
时间
20.7s
令牌
2,068 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Qwen3.7 Flash 8.2 9.7 66.7% 0 58.84s 7,893 503 62,350
GLM 5 10.0 10.0 100.0% 0 74.30s 7,254 2,997 52,930

快速对比

切换对比组合

GPT-5.6 LunahighvsGLM 5mediumClaude Opus 4.8lowvsQwen3.7 FlashhighClaude Opus 4.8lowvsGLM 5mediumClaude Sonnet 4.6mediumvsQwen3.7 FlashhighGPT-5.6 TerramediumvsQwen3.7 FlashhighDeepSeek V4 FlashhighvsGLM 5mediumQwen3.7 FlashhighvsGLM 5.2mediumDeepSeek V4 ProhighvsGLM 5mediumClaude Opus 4.6mediumvsQwen3.7 FlashhighSeed-2.0-LitemediumvsQwen3.7 FlashhighKimi K3maxvsQwen3.7 FlashhighQwen3.7 FlashhighvsInklingmedium