AI BENCHY 对比
StepFun: Step 3.5 Flash vs Z.ai: GLM 5 Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-15
| 指标 | Step 3.5 Flash Step 3.5 Flash medium 免费可用 | GLM 5 Turbo GLM 5 Turbo medium |
|---|---|---|
| 排名 | #25 | #20 |
| 分数 | 7.8 | 7.9 |
| 一致性 | 9.1 | 7.7 |
| 每个结果成本 | 0.000 | 1.641 |
| 总成本 | $0.000 | $0.165 |
| 测试正确 | ||
| 尝试通过率 | 68.8% | 75.0% |
| 不稳定测试 | 2 | 5 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 71,452 | 11,853 |
| 推理令牌 | 155,147 | 35,095 |
| 响应时间（平均） | 29.10s | 18.84s |
| 响应时间（最大） | 170.45s | 194.23s |
| 响应时间（总计） | 290.96s | 301.50s |
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
| 反AI技巧 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 18.54s | 13,924 | 17,208 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 5.01s | 350 | 2,600 |
| 综合 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 1,176 | 12,984 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 13.88s | 390 | 2,037 |
| 数据解析与提取 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 600 | 13,886 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 6.19s | 577 | 3,632 |
| 领域专项 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 5.3 | 7.2 | 44.4% | 1 | 170.45s | 45,350 | 90,436 | |
| GLM 5 Turbo | 2.9 | 4.4 | 22.2% | 2 | 71.07s | 9,665 | 19,279 |
| 通用智能 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 6.54s | 2,214 | 2,584 | |
| GLM 5 Turbo | 6.1 | 3.1 | 66.7% | 1 | 10.05s | 60 | 2,216 |
| 指令遵循 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 8.5 | 6.8 | 83.3% | 1 | 4.98s | 2,284 | 3,412 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 5.38s | 255 | 2,183 |
| Puzzle Solving | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.72s | 5,629 | 10,835 | |
| GLM 5 Turbo | 7.3 | 5.8 | 55.6% | 2 | 5.44s | 315 | 2,702 |
| 工具调用 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 275 | 3,802 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 9.84s | 241 | 446 |
快速对比
切换对比组合
Gemini 3 Flash PreviewnonevsGLM 5 TurbomediumGemini 3.1 Flash Lite PreviewlowvsGLM 5 TurbomediumGPT-5.3 ChatnonevsStep 3.5 Flashmedium免费可用GPT-5.3 ChatnonevsGLM 5 TurbomediumGemini 3.1 Flash Lite PreviewlowvsStep 3.5 Flashmedium免费可用GPT-5.2 ChatnonevsGLM 5 TurbomediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 Flashmedium免费可用Gemini 3 Flash PreviewnonevsStep 3.5 Flashmedium免费可用GPT-5.2 ChatnonevsStep 3.5 Flashmedium免费可用Gemini 3.1 Flash Lite PreviewnonevsGLM 5 TurbomediumClaude Sonnet 4.6nonevsStep 3.5 Flashmedium免费可用Claude Sonnet 4.6nonevsGLM 5 Turbomedium