- 排名
- #106
- 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 5.3 (high)
平均分几乎持平，为 7.8 vs 7.8。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.571 vs $0.610。 Step 3.7 Flash (medium) 更快，为 26.57s vs 28.38s，通过率为 68.1% vs 75.4%。
已对比模型
- 排名
- #105
- 总输出令牌
- 68,482
- 响应时间（平均）
- 28.38s
- 总成本
- $0.610
推荐模型
Step 3.7 Flash (medium)
它在本次比较中得分最高（7.8），并且在全部 2 个模型中兼顾成本和响应时间最好。
详细对比
| 指标 | Step 3.7 Flash Step 3.7 Flash medium | GLM 5.3 GLM 5.3 high |
|---|---|---|
| 分数 | 7.8 | 7.8 |
| 排名 | #106 | #105 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 7.6 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 68.1% | 75.4% |
| 不稳定测试 | 4 | 7 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 4.392 | 4.351 |
| 总成本 | $0.571 | $0.610 |
| 输入价格 | $0.200 / 1M | $1.400 / 1M |
| 输出价格 | $1.150 / 1M | $4.400 / 1M |
| 总输入令牌 | 319,524 | 219,811 |
| 输出令牌 | 440,835 | 8,811 |
| 推理令牌 | 0 | 59,671 |
| 响应时间（平均） | 26.57s | 28.38s |
| 响应时间（最大） | 152.83s | 159.91s |
| 响应时间（总计） | 611.09s | 652.78s |
| 参数量 | 198B 总计 (11B 激活) | 744B 总计 (40B 激活) |
| 开放状态 | 开源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#106 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 tok
#105 GLM 5.3
high- 成本
- $0.085
- 时间
- 362.5s
- 令牌
- 19,310 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 5.3 | 10.0 | 10.0 | 100.0% | 0 | 40.72s | 132,210 | 2,805 | 2,010 |
| 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 5.3 | 10.0 | 10.0 | 100.0% | 0 | 3.72s | 639 | 237 | 481 |
| 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 5.3 | 6.6 | 5.0 | 66.7% | 2 | 18.89s | 7,317 | 473 | 8,190 |
| 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 5.3 | 6.4 | 5.8 | 66.7% | 1 | 63.96s | 62,821 | 3,936 | 12,203 |
| 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 5.3 | 10.0 | 10.0 | 100.0% | 0 | 3.55s | 7,149 | 210 | 189 |
| 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 5.3 | 2.9 | 4.4 | 22.2% | 2 | 112.33s | 759 | 238 | 33,423 |
| 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 5.3 | 6.1 | 3.1 | 66.7% | 1 | 8.00s | 498 | 192 | 407 |
| 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 5.3 | 9.8 | 10.0 | 100.0% | 0 | 3.62s | 678 | 72 | 182 |
| 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 5.3 | 8.2 | 7.2 | 88.9% | 1 | 4.74s | 672 | 332 | 452 |
| 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 5.3 | 10.0 | 10.0 | 100.0% | 0 | 17.05s | 6,861 | 231 | 91 |
| 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 5.3 | 3.0 | 10.0 | 0.0% | 0 | 21.98s | 207 | 85 | 2,043 |
快速对比
切换对比组合
Grok 4.5mediumvsGLM 5.3highGrok 4.6mediumvsGLM 5.3highQwen3.7 PlusnonevsStep 3.7 FlashmediumMiMo-V2.6-FlashmediumvsGLM 5.3highStep 3.7 FlashmediumvsGrok 4.5lowQwen3.7 PlusnonevsGLM 5.3highGemini 3.5 FlashmediumvsGLM 5.3highGrok 4.5lowvsGLM 5.3highDeepSeek V4 Flash 0731mediumvsGLM 5.3highQwen3.8 2.4T A95BhighvsStep 3.7 FlashmediumQwen3.7 MaxnonevsGLM 5.3highQwen3.7 MaxnonevsStep 3.7 Flashmedium