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

推荐模型 GLM 5.2 (medium)

它的得分接近这里的最高分（7.8 vs 7.9），同时成本比Step 3.7 Flash (medium)低约 2.2 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 medium 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 medium 发布日期: 2026-06-17
分数	7.9	7.8
排名	#60	#65
可靠性	10.0	9.5
一致性	8.9	8.0
尝试次数	66/66	63/66
测试正确
尝试通过率	68.2%	80.3%
不稳定测试	3	4
总运行次数	66	63
每个结果成本	3.801	2.159
总成本	$0.495	$0.224
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	114,191	37,199
输出令牌	409,709	12,261
推理令牌	0	49,500
响应时间（平均）	23.51s	23.28s
响应时间（最大）	152.83s	101.36s
响应时间（总计）	517.21s	488.94s
参数量	198B 总计 (11B 激活)	744B 总计 (40B 激活)
开放状态	开源	开源

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

medium

medium

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		9.65s	756	32,185	0
GLM 5.2	10.0	10.0	100.0%	0		5.89s	639	497	2,634

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	8.2	7.2	88.9%	1		40.96s	7,317	1,475	17,123

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	5.0	5.0	50.0%	0		51.96s	12,696	458	4,531

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		13.44s	7,149	348	2,345

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	4.1	4.4	44.5%	2		45.47s	551	8,188	11,606

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		17.39s	498	54	1,842

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	9.9	10.0	100.0%	0		7.90s	678	94	1,518

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	8.2	7.2	88.9%	1		13.13s	672	536	4,822

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		20.41s	6,861	230	550

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		34.25s	138	381	2,529

切换对比组合