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

Step 3.7 Flash (low) 平均分领先，为 7.3 vs 7.1。 Step 3.7 Flash (low) benchmark 成本更低，为 $0.454 vs $0.535。 Step 3.7 Flash (low) 更快，为 20.68s vs 46.77s，通过率为 68.2% vs 69.7%。

推荐模型Step 3.7 Flash (low)它在这里得分最高（7.3），同时响应速度比GLM 5.1 (medium)快约 2.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29	GLM 5.1 GLM 5.1 medium 发布日期: 2026-04-07

指标	Step 3.7 Flash Step 3.7 Flash low 发布日期: 2026-05-29	GLM 5.1 GLM 5.1 medium 发布日期: 2026-04-07
分数	7.3	7.1
排名	#64	#71
可靠性	10.0	8.3
一致性	8.1	8.4
测试正确
尝试通过率	68.2%	69.7%
不稳定测试	5	4
总运行次数	66	66
每个结果成本	3.782	4.202
总成本	$0.454	$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	103,833	82,623
输出令牌	376,581	16,089
推理令牌	0	136,463
响应时间（平均）	20.68s	46.77s
响应时间（最大）	124.75s	308.75s
响应时间（总计）	455.01s	982.16s

Hamster playing table tennis

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

#64 Step 3.7 Flash

low

无效SVG

成本: $0.004
时间: 25.3s
令牌: 3,072 tok

#71 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

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	8.7	7.9	91.7%	1		4.02s	756	10,896	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	8.2	7.2	88.9%	1		9.46s	7,437	18,685	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	7.3	5.8	83.3%	1		66.18s	77,415	93,682	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	7.3	5.8	83.3%	1		2.29s	7,398	2,667	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	5.3	7.2	44.4%	1		43.31s	828	104,487	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	3.4	9.3	0.0%	0		7.00s	525	4,604	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		1.58s	735	1,857	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	5.5	9.9	33.3%	0		1.84s	756	3,564	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		3.25s	7,746	1,360	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		124.75s	237	134,779	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

Claude Opus 4.8nonevsStep 3.7 Flashlow Kimi K2.6mediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Qwen3.7 PlusnonevsGLM 5.1medium Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Claude Sonnet 4.6nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsGLM 5.1medium Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow Step 3.7 FlashlowvsGrok 4.3medium