AI BENCHY Compare

OpenAI: GPT-5.3-Codex vs Z.ai: GLM 5.2

Zusammenfassung

GPT-5.3-Codex (medium) vs GLM 5.2 (high) Benchmark-Vergleich: GPT-5.3-Codex (medium) führt beim Durchschnittsscore mit 8.9 vs 8.0. GLM 5.2 (high) hat die niedrigeren Benchmark-Kosten mit $0.554 vs $0.740. GPT-5.3-Codex (medium) ist schneller mit 16.22s vs 37.09s, mit Erfolgsraten von 82.5% vs 77.8%.

Empfohlenes Modell: GPT-5.3-Codex (medium) - Es hat hier die beste Punktzahl (8.9) und antwortet etwa 2.3x schneller als GLM 5.2 (high).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-10

Metrik	GPT-5.3-Codex GPT-5.3-Codex medium Veröffentlichung: 2026-02-05	GLM 5.2 GLM 5.2 high Veröffentlichung: 2026-06-17

Metrik	GPT-5.3-Codex GPT-5.3-Codex medium Veröffentlichung: 2026-02-05	GLM 5.2 GLM 5.2 high Veröffentlichung: 2026-06-17
Punktzahl	8.9	8.0
Rang	#13	#32
Zuverlässigkeit	10.0	9.3
Konsistenz	8.5	7.6
Korrekte Tests
Erfolgsquote pro Versuch	82.5%	77.8%
Instabile Tests	4	6
Gesamtläufe	63	63
Kosten pro Ergebnis	4.932	4.255
Gesamtkosten	$0.740	$0.554
Eingabepreis	$1.750 / 1M	$0.770 / 1M
Ausgabepreis	$14.000 / 1M	$2.420 / 1M
Gesamte Eingabe-Token	34,299	34,993
Ausgabe-Token	2,357	51,575
Denk-Token	46,189	166,065
Antwortzeit (Durchschnitt)	16.22s	37.09s
Antwortzeit (Maximum)	100.93s	180.69s
Antwortzeit (Gesamt)	340.67s	778.91s

Generierungs-Showcase

Hamster playing table tennis

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

#13 GPT-5.3-Codex

medium

Kosten: $0.049
Zeit: 54.9s
Token: 3,580 tok

#32 GLM 5.2

high

Ungültiges SVG

Kosten: $0.000
Zeit: 300.0s
Token: 0 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.3-Codex	8.7	7.9	91.7%	1		4.16s	606	240	1,722
GLM 5.2	10.0	10.0	100.0%	0		5.80s	639	406	2,660

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.50s	7,302	535	10,890
GLM 5.2	6.4	4.4	77.8%	2		73.03s	5,124	2,302	22,546

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.56s	11,019	364	2,731
GLM 5.2	10.0	10.0	100.0%	0		43.51s	12,696	711	4,267

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.07s	7,140	234	728
GLM 5.2	10.0	10.0	100.0%	0		5.81s	7,143	435	1,414

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.3-Codex	5.9	7.2	55.6%	1		64.31s	813	64	25,308
GLM 5.2	3.5	4.4	33.3%	2		73.97s	551	46,693	90,566

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.3-Codex	4.6	10.0	0.0%	0		4.87s	477	187	331
GLM 5.2	10.0	10.0	100.0%	0		12.90s	498	63	1,743

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.04s	660	93	693
GLM 5.2	10.0	10.0	100.0%	0		4.26s	678	151	1,210

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.3-Codex	9.0	7.9	88.9%	1		5.05s	642	356	1,593
GLM 5.2	6.0	4.6	66.7%	2		33.71s	665	568	22,392

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.3-Codex	10.0	10.0	100.0%	0		6.37s	5,445	254	492
GLM 5.2	10.0	10.0	100.0%	0		9.25s	6,861	246	503

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701
GLM 5.2	3.0	10.0	0.0%	0		127.82s	138	0	18,764

Schnellvergleich

Vergleichspaar wechseln

GPT-5.4 MinimediumvsGLM 5.2high Qwen3.5 Plus 2026-02-15mediumvsGLM 5.2high Nemotron 3 Ultra 550b A55bmediumKostenlos verfügbarvsGLM 5.2high Qwen3.7 PlusmediumvsGLM 5.2high Qwen3.5-27BmediumvsGLM 5.2high Claude Sonnet 5mediumvsGLM 5.2high Qwen3.6 PlusmediumvsGLM 5.2high Gemini 2.5 FlashmediumvsGLM 5.2high GPT-5.6 TerramediumvsGLM 5.2high Claude Sonnet 4.6mediumvsGLM 5.2high Grok 4.5lowvsGLM 5.2high Gemini 3.1 Flash Lite PreviewmediumvsGLM 5.2high