- 排名
- #115
- 总输出令牌
- 320,393
- 响应时间（平均）
- 17.87s
- 总成本
- $0.390
Step 3.7 Flash (low) vs GLM 5.1 (medium)
Step 3.7 Flash (low) 平均分领先，为 7.1 vs 7.0。 Step 3.7 Flash (low) benchmark 成本更低，为 $0.390 vs $0.948。 Step 3.7 Flash (low) 更快，为 17.87s vs 58.80s，通过率为 63.6% vs 65.2%。
- 排名
- #120
- 总输出令牌
- 215,889
- 响应时间（平均）
- 58.80s
- 总成本
- $0.948
推荐模型
Step 3.7 Flash (low)
它在这里得分最高（7.1），同时成本比GLM 5.1 (medium)低约 2.4 倍。
详细对比
| 指标 | Step 3.7 Flash Step 3.7 Flash low | GLM 5.1 GLM 5.1 medium |
|---|---|---|
| 分数 | 7.1 | 7.0 |
| 排名 | #115 | #120 |
| 可靠性 | 10.0 | 8.1 |
| 一致性 | 8.1 | 8.4 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 63.6% | 65.2% |
| 不稳定测试 | 5 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 3.539 | 6.923 |
| 总成本 | $0.390 | $0.948 |
| 输入价格 | $0.200 / 1M | $1.260 / 1M |
| 输出价格 | $1.150 / 1M | $3.961 / 1M |
| 总输入令牌 | 103,842 | 82,592 |
| 输出令牌 | 320,393 | 16,089 |
| 推理令牌 | 0 | 199,800 |
| 响应时间（平均） | 17.87s | 58.80s |
| 响应时间（最大） | 124.75s | 308.75s |
| 响应时间（总计） | 393.04s | 1234.72s |
| 参数量 | 198B 总计 (11B 激活) | 744B 总计 (40B 激活) |
| 开放状态 | 开源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#115 Step 3.7 Flash
low
无效SVG
- 成本
- $0.004
- 时间
- 25.3s
- 令牌
- 3,072 tok
#120 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 | 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 | 2.9 | 7.2 | 11.1% | 1 | 22.65s | 837 | 48,299 | 0 | |
| GLM 5.1 | 3.0 | 10.0 | 0.0% | 0 | 113.95s | 458 | 969 | 74,651 |
| 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
GPT-5.5nonevsGLM 5.1mediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsSolar Pro 4highGPT-5.6 SolnonevsGLM 5.1mediumMuse Glimmer 30BmediumvsStep 3.7 FlashlowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowMuse Glimmer 30BhighvsStep 3.7 FlashlowSeed-2.0-CodehighvsGLM 5.1mediumStep 3.7 FlashlowvsGrok 4.3mediumGPT-5.6 SolnonevsStep 3.7 FlashlowSolar Pro 4highvsGLM 5.1mediumKAT-Coder-Pro V2.5highvsStep 3.7 Flashlow