Step 3.7 Flash (high) vs GLM 5.3 (low)

推荐模型 GLM 5.3 (low)

它的得分接近这里的最高分（6.8 vs 6.8），同时成本比Step 3.7 Flash (high)低约 4.8 倍。

详细对比

指标	Step 3.7 Flash Step 3.7 Flash high 发布日期: 2026-05-29	GLM 5.3 GLM 5.3 low 发布日期: 2026-08-20

指标	Step 3.7 Flash Step 3.7 Flash high 发布日期: 2026-05-29	GLM 5.3 GLM 5.3 low 发布日期: 2026-08-20
分数	6.8	6.8
排名	#129	#134
可靠性	10.0	10.0
一致性	8.4	8.5
尝试次数	66/66	66/66
测试正确
尝试通过率	60.6%	65.2%
不稳定测试	4	4
总运行次数	66	66
每个结果成本	11.167	2.135
总成本	$1.229	$0.257
输入价格	$0.200 / 1M	$1.400 / 1M
输出价格	$1.150 / 1M	$4.400 / 1M
总输入令牌	98,700	104,989
输出令牌	1,050,900	8,532
推理令牌	0	16,276
响应时间（平均）	70.10s	13.65s
响应时间（最大）	364.99s	83.60s
响应时间（总计）	1542.14s	300.22s
参数量	198B 总计 (11B 激活)	744B 总计 (40B 激活)
开放状态	开源	闭源

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

high

low

类别:

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 5.3	6.9	7.9	66.7%	1		4.16s	639	266	249

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 5.3	6.2	6.9	55.6%	1		21.02s	7,317	368	6,764

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 5.3	3.8	5.8	33.3%	1		53.02s	80,209	6,729	5,209

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 5.3	10.0	10.0	100.0%	0		3.42s	7,149	210	56

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	3.6	7.2	22.2%	1		189.35s	792	429,007	0
GLM 5.3	5.3	10.0	33.3%	0		19.23s	759	35	3,384

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 5.3	4.1	2.7	33.3%	1		4.70s	498	163	0

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 5.3	10.0	10.0	100.0%	0		3.40s	678	72	81

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 5.3	10.0	10.0	100.0%	0		4.20s	672	389	225

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 5.3	10.0	10.0	100.0%	0		18.45s	6,861	231	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 5.3	3.0	10.0	0.0%	0		7.42s	207	69	308

切换对比组合