导航
AI BENCHY
Advertise here

AI BENCHY 对比

StepFun: Step 3.7 Flash vs Z.ai: GLM 5 Turbo

摘要

Step 3.7 Flash vs GLM 5 Turbo benchmark 对比：GLM 5 Turbo 平均分领先，为 8.4 vs 7.7。 GLM 5 Turbo benchmark 成本更低，为 $0.323 vs $0.341。 Step 3.7 Flash 更快，为 15.74s vs 23.00s，通过率为 68.3% vs 74.6%。

推荐模型: GLM 5 Turbo - 它在本次比较中得分最高（8.4），并且在全部 2 个模型中兼顾成本和响应时间最好。

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 low 发布日期: 2026-05-29 GLM 5 Turbo GLM 5 Turbo medium 发布日期: 2026-03-15
分数 7.7 8.4
排名 #42 #24
可靠性 10.0 10.0
一致性 8.4 8.5
测试正确
尝试通过率 68.3% 74.6%
不稳定测试 4 4
总运行次数 63 63
每个结果成本 2.840 2.011
总成本 $0.341 $0.323
输入价格 $0.200 / 1M $1.200 / 1M
输出价格 $1.150 / 1M $4.000 / 1M
总输入令牌 40,101 35,593
输出令牌 289,325 12,245
推理令牌 0 62,277
响应时间（平均） 15.74s 23.00s
响应时间（最大） 124.75s 194.23s
响应时间（总计） 330.63s 482.97s

Generation showcase

Hamster playing table tennis

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

#42 Step 3.7 Flash

low
Invalid SVG
Cost
$0.004
Time
25.3s
Tokens
3,072 tok

#24 GLM 5 Turbo

medium
Cost
$0.074
Time
206.0s
Tokens
18,549 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 Turbo 10.0 10.0 100.0% 0 4.82s 555 362 3,137
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 Turbo 8.2 9.3 66.7% 0 45.90s 5,941 363 25,381
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 7.98s 13,683 6,426 0
GLM 5 Turbo 10.0 10.0 100.0% 0 13.88s 12,714 390 2,037
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 Turbo 10.0 10.0 100.0% 0 6.19s 7,107 577 3,632
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 Turbo 2.9 4.4 22.2% 2 71.07s 489 9,665 19,279
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 Turbo 6.1 3.1 66.7% 1 10.05s 477 60 2,216
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 Turbo 10.0 10.0 100.0% 0 5.38s 636 255 2,183
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 Turbo 8.7 7.9 77.8% 1 5.23s 609 312 2,647
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 Turbo 10.0 10.0 100.0% 0 9.84s 6,879 241 446
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 Turbo 3.0 10.0 0.0% 0 40.17s 186 20 1,319

快速对比

切换对比组合

Claude Opus 4.6mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok 4.3mediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowKimi K2.6medium免费可用vsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGPT-5.2 ChatnonevsGLM 5 TurbomediumQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowGemini 3.1 Flash Lite PreviewmediumvsStep 3.7 FlashlowMiniMax M3mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Sonnet 4.6mediumvsStep 3.7 FlashlowQwen3.6 PlusmediumvsStep 3.7 Flashlow