- 排名
- #109
- 总输出令牌
- 440,835
- 响应时间（平均）
- 26.57s
- 总成本
- $0.571
Step 3.7 Flash (medium) vs GLM 5.2 (high)
GLM 5.2 (high) 平均分领先，为 8.4 vs 7.8。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.571 vs $1.644。 Step 3.7 Flash (medium) 更快，为 26.57s vs 69.11s，通过率为 68.1% vs 71.0%。
已对比模型
- 排名
- #75
- 总输出令牌
- 382,582
- 响应时间（平均）
- 69.11s
- 总成本
- $1.644
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 2.9 倍。
详细对比
| 指标 | Step 3.7 Flash Step 3.7 Flash medium | GLM 5.2 GLM 5.2 high |
|---|---|---|
| 分数 | 7.8 | 8.4 |
| 排名 | #109 | #75 |
| 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 | $1.644 |
| 输入价格 | $0.200 / 1M | $0.105 / 1M |
| 输出价格 | $1.150 / 1M | $8.000 / 1M |
| 缓存读取价格 | $0.040 / 1M | $0.100 / 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.
#109 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 tok
#75 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
| 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 |
快速对比
切换对比组合
Step 3.7 FlashmediumvsGLM 5.3highQwen3.7 PlusnonevsStep 3.7 FlashmediumStep 3.7 FlashmediumvsGrok 4.5lowLing 3.1 FlashhighvsStep 3.7 FlashmediumQwen3.8 2.4T A95BhighvsStep 3.7 FlashmediumKimi K3maxvsGLM 5.2highGemini 3.1 Pro PreviewmediumvsGLM 5.2highMuse Glimmer 30BxhighvsGLM 5.2highGPT-5 MinimediumvsGLM 5.2highQwen3.8 2.4T A95BlowvsGLM 5.2highGPT-6 LunamediumvsGLM 5.2highClaude Opus 4.8mediumvsGLM 5.2high