AI BENCHY Compare

OpenAI: GPT-5.4 vs Z.ai: GLM 5.2

Zusammenfassung

GPT-5.4 (medium) führt beim Durchschnittsscore mit 8.5 vs 8.0. GLM 5.2 (high) hat die niedrigeren Benchmark-Kosten mit $0.667 vs $1.210. GPT-5.4 (medium) ist schneller mit 22.35s vs 37.09s, mit Erfolgsraten von 76.2% vs 77.8%.

Empfohlenes ModellGPT-5.4 (medium)Es hat hier die beste Punktzahl (8.5) und antwortet etwa 1.7x schneller als GLM 5.2 (high).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-14

Metrik	GPT-5.4 GPT-5.4 medium Veröffentlichung: 2026-03-05	GLM 5.2 GLM 5.2 high Veröffentlichung: 2026-06-17

Metrik	GPT-5.4 GPT-5.4 medium Veröffentlichung: 2026-03-05	GLM 5.2 GLM 5.2 high Veröffentlichung: 2026-06-17
Punktzahl	8.5	8.0
Rang	#20	#32
Zuverlässigkeit	10.0	9.3
Konsistenz	8.6	7.6
Korrekte Tests
Erfolgsquote pro Versuch	76.2%	77.8%
Instabile Tests	4	6
Gesamtläufe	63	63
Kosten pro Ergebnis	8.640	4.255
Gesamtkosten	$1.210	$0.667
Eingabepreis	$2.500 / 1M	$0.929 / 1M
Ausgabepreis	$15.000 / 1M	$2.918 / 1M
Gesamte Eingabe-Token	34,108	34,993
Ausgabe-Token	2,242	51,575
Denk-Token	72,707	166,065
Antwortzeit (Durchschnitt)	22.35s	37.09s
Antwortzeit (Maximum)	100.41s	180.69s
Antwortzeit (Gesamt)	469.29s	778.91s

Generierungs-Showcase

Hamster playing table tennis

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

#20 GPT-5.4

medium

Kosten: $0.214
Zeit: 199.6s
Token: 14,349 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

Kategorie:

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511
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-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216
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-5.4	10.0	10.0	100.0%	0		20.57s	11,019	301	3,543
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-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804
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-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748
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-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321
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-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897
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-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815
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-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031
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-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821
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 KAT-Coder-Pro V2.5lowvsGLM 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