- 排名
- #94
- 总输出令牌
- 1,032,395
- 响应时间（平均）
- 64.68s
- 总成本
- $1.207
Step 3.7 Flash (high) vs GLM 5.1 (medium)
GLM 5.1 (medium) 平均分领先，为 7.1 vs 6.9。 GLM 5.1 (medium) benchmark 成本更低，为 $0.535 vs $1.207。 GLM 5.1 (medium) 更快，为 46.77s vs 64.68s，通过率为 63.6% vs 69.7%。
- 排名
- #82
- 总输出令牌
- 152,552
- 响应时间（平均）
- 46.77s
- 总成本
- $0.535
推荐模型
GLM 5.1 (medium)
它在这里得分最高（7.1），同时成本比Step 3.7 Flash (high)低约 2.3 倍。
详细对比
| 指标 | Step 3.7 Flash Step 3.7 Flash high | GLM 5.1 GLM 5.1 medium |
|---|---|---|
| 分数 | 6.9 | 7.1 |
| 排名 | #94 | #82 |
| 可靠性 | 10.0 | 8.3 |
| 一致性 | 8.0 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 63.6% | 69.7% |
| 不稳定测试 | 5 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 10.973 | 4.202 |
| 总成本 | $1.207 | $0.535 |
| 输入价格 | $0.200 / 1M | $0.966 / 1M |
| 输出价格 | $1.150 / 1M | $3.036 / 1M |
| 总输入令牌 | 98,691 | 82,623 |
| 输出令牌 | 1,032,395 | 16,089 |
| 推理令牌 | 0 | 136,463 |
| 响应时间（平均） | 64.68s | 46.77s |
| 响应时间（最大） | 364.99s | 308.75s |
| 响应时间（总计） | 1423.01s | 982.16s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#94 Step 3.7 Flash
high- 成本
- $0.007
- 时间
- 63.6s
- 令牌
- 6,030 tok
#82 GLM 5.1
medium
无效SVG
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 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 | 8.7 | 6.9 | 83.3% | 1 | 41.23s | 73,938 | 49,842 | 0 | |
| GLM 5.1 | 9.8 | 10.0 | 100.0% | 0 | 175.93s | 66,926 | 4,761 | 65,248 |
| 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
GPT-5.5nonevsStep 3.7 FlashhighQwen3.6 FlashmediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsMiMo-V2.5-PromediumQwen3.7 PlusnonevsGLM 5.1mediumGemini 3.5 FlashminimalvsStep 3.7 FlashhighGPT-5.6 SolnonevsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighKAT-Coder-Pro V2.5mediumvsStep 3.7 FlashhighKAT-Coder-Pro V2.5highvsGLM 5.1mediumSeed-2.0-MinimediumvsStep 3.7 FlashhighGemini 3 Flash PreviewnonevsStep 3.7 FlashhighGemini 3.5 FlashnonevsStep 3.7 Flashhigh