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：Step 3.7 Flash 平均分领先，为 8.5 vs 8.4。 GLM 5 Turbo benchmark 成本更低，为 $0.323 vs $0.376。 Step 3.7 Flash 更快，为 20.35s vs 23.00s，通过率为 73.0% vs 74.6%。

推荐模型: GLM 5 Turbo - 它提供了最佳整体取舍：得分有竞争力（8.4），成本低于Step 3.7 Flash，响应时间也较均衡。

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 medium 发布日期: 2026-05-29 GLM 5 Turbo GLM 5 Turbo medium 发布日期: 2026-03-15
分数 8.5 8.4
排名 #23 #24
可靠性 9.9 10.0
一致性 9.3 8.5
测试正确
尝试通过率 73.0% 74.6%
不稳定测试 2 4
总运行次数 61 63
每个结果成本 2.686 2.011
总成本 $0.376 $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 39,981 35,593
输出令牌 319,958 12,245
推理令牌 0 62,277
响应时间（平均） 20.35s 23.00s
响应时间（最大） 113.98s 194.23s
响应时间（总计） 427.42s 482.97s

Generation showcase

Hamster playing table tennis

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

#23 Step 3.7 Flash

medium
Cost
$0.006
Time
46.2s
Tokens
4,466 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 9.65s 756 32,185 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 8.8 7.8 88.9% 1 27.42s 7,437 44,797 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 9.06s 13,683 7,106 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 10.0 10.0 100.0% 0 2.75s 7,398 3,020 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 7.7 10.0 66.7% 0 48.27s 708 70,347 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 4.0 10.0 0.0% 0 6.85s 525 3,987 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 1.83s 735 2,166 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 5.7 9.9 33.3% 0 6.19s 756 15,071 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 4.16s 7,746 2,115 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% 0 113.98s 237 139,164 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

GPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.2 ChatnonevsGLM 5 TurbomediumDeepSeek V4 FlashhighvsGLM 5 TurbomediumDeepSeek V4 FlashhighvsStep 3.7 FlashmediumStep 3.7 FlashlowvsGLM 5 TurbomediumGemini 3.5 FlashlowvsStep 3.7 FlashmediumGemini 3.5 FlashlowvsGLM 5 TurbomediumGPT-5.5lowvsStep 3.7 FlashmediumGPT-5.3 ChatnonevsGLM 5 TurbomediumGPT-5.5lowvsGLM 5 TurbomediumGPT-5.3 ChatnonevsStep 3.7 FlashmediumGemini 3 Flash PreviewlowvsGLM 5 Turbomedium