导航
AI BENCHY
Advertise here

AI BENCHY 对比

StepFun: Step 3.7 Flash vs Z.ai: GLM 5.1

摘要

Step 3.7 Flash vs GLM 5.1 benchmark 对比：平均分几乎持平，为 7.1 vs 7.1。 GLM 5.1 benchmark 成本更低，为 $0.292 vs $1.148。 GLM 5.1 更快，为 33.67s vs 64.46s，通过率为 63.5% vs 68.3%。

推荐模型: GLM 5.1 - 它在这里得分最高（7.1），同时成本比Step 3.7 Flash低约 3.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 Step 3.7 Flash Step 3.7 Flash high 发布日期: 2026-05-29 GLM 5.1 GLM 5.1 medium 发布日期: 2026-04-07
分数 7.1 7.1
排名 #63 #64
可靠性 10.0 6.7
一致性 8.2 8.3
测试正确
尝试通过率 63.5% 68.3%
不稳定测试 4 4
总运行次数 63 63
每个结果成本 10.434 2.496
总成本 $1.148 $0.292
输入价格 $0.200 / 1M $0.980 / 1M
输出价格 $1.150 / 1M $3.080 / 1M
总输入令牌 38,391 32,995
输出令牌 991,355 11,655
推理令牌 0 75,421
响应时间（平均） 64.46s 33.67s
响应时间（最大） 364.99s 172.60s
响应时间（总计） 1353.57s 673.41s

Generation showcase

Hamster playing table tennis

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

#63 Step 3.7 Flash

high
Cost
$0.007
Time
63.6s
Tokens
6,030 tok

#64 GLM 5.1

medium
Invalid SVG
Cost
$0.000
Time
300.0s
Tokens
0 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

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） 输入令牌 输出令牌 推理令牌
Step 3.7 Flash 10.0 10.0 100.0% 0 13.40s 696 42,656 0
GLM 5.1 10.0 10.0 100.0% 0 8.31s 555 401 5,122
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
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0
GLM 5.1 4.6 3.7 44.5% 2 109.63s 5,702 4,871 37,826
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） 输入令牌 输出令牌 推理令牌
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 0
GLM 5.1 9.5 10.0 100.0% 0 43.11s 17,298 327 4,206
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） 输入令牌 输出令牌 推理令牌
Step 3.7 Flash 10.0 10.0 100.0% 0 14.72s 7,368 23,113 0
GLM 5.1 10.0 10.0 100.0% 0 9.33s 7,107 991 4,552
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） 输入令牌 输出令牌 推理令牌
Step 3.7 Flash 4.1 4.4 44.5% 2 149.64s 783 410,502 0
GLM 5.1 5.3 10.0 33.3% 0 29.77s 489 969 11,314
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） 输入令牌 输出令牌 推理令牌
Step 3.7 Flash 5.5 10.0 0.0% 0 4.17s 510 2,862 0
GLM 5.1 10.0 10.0 100.0% 0 20.95s 477 2,875 2,875
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） 输入令牌 输出令牌 推理令牌
Step 3.7 Flash 9.8 10.0 100.0% 0 1.52s 705 2,010 0
GLM 5.1 6.4 5.8 66.7% 1 7.47s 634 204 1,617
谜题求解 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
Step 3.7 Flash 5.3 7.2 44.4% 1 10.22s 711 25,422 0
GLM 5.1 8.2 7.2 88.9% 1 31.64s 609 935 5,730
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） 输入令牌 输出令牌 推理令牌
Step 3.7 Flash 10.0 10.0 100.0% 0 2.79s 7,701 1,172 0
GLM 5.1 3.0 10.0 0.0% 0 0ms 0 0 0
常识问答 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
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0
GLM 5.1 3.0 10.0 0.0% 0 29.40s 124 82 2,179

快速对比

切换对比组合

Step 3.7 FlashhighvsMiMo-V2-FlashmediumQwen3.7 PlusnonevsStep 3.7 FlashhighKimi K2.7 CodemediumvsStep 3.7 FlashhighQwen3.7 PlusnonevsGLM 5.1mediumGemma 4 26B A4Bmedium免费可用vsStep 3.7 FlashhighGemini 3.5 FlashnonevsGLM 5.1mediumGemini 3.5 FlashnonevsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGLM 5.1mediumStep 3.7 FlashhighvsGLM 5V TurbomediumGemini 3 Flash PreviewnonevsGLM 5.1mediumGemini 3 Flash PreviewnonevsStep 3.7 Flashhigh