Step 3.7 Flash (medium) vs GLM 5.2 (high)

已对比模型

排名: #129
总输出令牌: 440,835
响应时间（平均）: 26.57s
总成本: $0.571

排名: #90
总输出令牌: 382,333
响应时间（平均）: 69.11s
总成本: $4.632

推荐模型 Step 3.7 Flash (medium)

它的得分接近这里的最高分（7.8 vs 8.4），同时成本比GLM 5.2 (high)低约 8.1 倍。

详细对比

指标	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17

指标	Step 3.7 Flash Step 3.7 Flash medium 发布日期: 2026-05-29	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17
分数	7.8	8.4
排名	#129	#90
可靠性	10.0	10.0
一致性	8.7	8.6
尝试次数	69/69	69/69
测试正确
尝试通过率	68.1%	71.0%
不稳定测试	4	3
总运行次数	69	69
每个结果成本	4.392	7.314
总成本	$0.571	$4.632
输入价格	$0.200 / 1M	$0.153 / 1M
输出价格	$1.150 / 1M	$12.000 / 1M
缓存读取价格	$0.040 / 1M	$0.150 / 1M
缓存写入价格	不适用	不适用
总输入令牌	319,524	288,913
输出令牌	440,835	79,462
推理令牌	0	303,120
响应时间（平均）	26.57s	69.11s
响应时间（最大）	152.83s	599.43s
响应时间（总计）	611.09s	1589.43s
参数量	198B 总计 (11B 激活)	744B 总计 (40B 激活)
开放状态	开源	开源

缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。

模型生成展示

Hamster playing table tennis

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

#129 Step 3.7 Flash

medium

成本: $0.006
时间: 46.2s
令牌: 4,466 tok

#90 GLM 5.2

high

Reached the allocated time limit (300 seconds) without receiving showcase output.

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:

智能体任务	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	7.4	3.8	66.7%	1		93.88s	205,333	31,126	0
GLM 5.2	10.0	10.0	100.0%	0		52.45s	205,091	7,422	10,505

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		9.65s	756	32,185	0
GLM 5.2	10.0	10.0	100.0%	0		5.80s	639	406	2,660

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	8.8	7.8	88.9%	1		27.42s	7,437	44,797	0
GLM 5.2	6.4	8.6	33.3%	0		73.03s	5,124	2,302	22,546

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		80.94s	87,764	114,720	0
GLM 5.2	10.0	10.0	100.0%	0		321.47s	61,516	18,824	63,861

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		2.75s	7,398	3,020	0
GLM 5.2	10.0	10.0	100.0%	0		5.81s	7,143	435	1,414

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	10.0	33.3%	0		27.26s	837	52,484	0
GLM 5.2	3.1	6.5	11.1%	1		126.85s	560	49,045	157,522

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	4.0	10.0	0.0%	0		6.85s	525	3,987	0
GLM 5.2	10.0	10.0	100.0%	0		12.90s	498	63	1,743

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		1.83s	735	2,166	0
GLM 5.2	10.0	10.0	100.0%	0		4.26s	678	151	1,210

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	5.7	9.9	33.3%	0		6.19s	756	15,071	0
GLM 5.2	6.0	4.6	66.7%	2		33.71s	665	568	22,392

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		4.16s	7,746	2,115	0
GLM 5.2	10.0	10.0	100.0%	0		9.25s	6,861	246	503

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		113.98s	237	139,164	0
GLM 5.2	3.0	10.0	0.0%	0		127.82s	138	0	18,764

切换对比组合

Step 3.7 FlashmediumvsGLM 5.3high Qwen3.7 PlusnonevsStep 3.7 Flashmedium Step 3.7 FlashmediumvsGrok 4.5low DeepSeek V4.1 Flash 1017highvsStep 3.7 Flashmedium Ling 3.1 FlashhighvsStep 3.7 Flashmedium Muse WondermaxvsStep 3.7 Flashmedium Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Kimi K3maxvsGLM 5.2high Gemini 3.1 Pro PreviewmediumvsGLM 5.2high Muse Glimmer 30BxhighvsGLM 5.2high GPT-5 MinimediumvsGLM 5.2high Qwen3.8 2.4T A95BlowvsGLM 5.2high