Grok 4.20 (medium) vs GLM 5.1 (medium)

Verglichene Modelle

Empfohlenes Modell Grok 4.20 (medium)

Es hat hier die beste Punktzahl (7.0) und antwortet etwa 1.8x schneller als GLM 5.1 (medium).

Metrik	Grok 4.20 Grok 4.20 medium Veröffentlichung: 2026-03-31	GLM 5.1 GLM 5.1 medium Veröffentlichung: 2026-04-07

Metrik	Grok 4.20 Grok 4.20 medium Veröffentlichung: 2026-03-31	GLM 5.1 GLM 5.1 medium Veröffentlichung: 2026-04-07
Punktzahl	7.0	7.0
Rang	#175	#172
Zuverlässigkeit	10.0	8.1
Konsistenz	8.2	8.4
Versuche	66/66	66/66
Korrekte Tests
Erfolgsquote pro Versuch	60.6%	65.2%
Instabile Tests	5	4
Gesamtläufe	66	66
Kosten pro Ergebnis	10.365	6.923
Gesamtkosten	$0.805	$0.726
Eingabepreis	$1.250 / 1M	$0.965 / 1M
Ausgabepreis	$2.500 / 1M	$3.032 / 1M
Gesamte Eingabe-Token	102,986	82,592
Ausgabe-Token	5,860	16,089
Denk-Token	264,399	199,800
Antwortzeit (Durchschnitt)	32.56s	58.80s
Antwortzeit (Maximum)	199.66s	308.75s
Antwortzeit (Gesamt)	716.36s	1234.72s
Parameter	~1T insgesamt (~100B aktiv)	744B insgesamt (40B aktiv)
Verfügbarkeit	Geschlossen	Open Source

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

medium

medium

Reached the allocated time limit (300 seconds) without receiving showcase output.

Kategorie:

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Grok 4.20	8.2	7.9	83.3%	1		3.95s	2,010	287	8,312
GLM 5.1	10.0	10.0	100.0%	0		8.31s	555	401	5,122

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Grok 4.20	6.3	6.6	55.6%	1		109.93s	8,307	268	103,150
GLM 5.1	4.6	3.7	44.5%	2		109.63s	5,702	4,871	37,826

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Grok 4.20	8.7	6.9	83.3%	1		42.25s	71,267	3,776	44,009
GLM 5.1	9.8	10.0	100.0%	0		175.93s	66,926	4,761	65,248

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Grok 4.20	10.0	10.0	100.0%	0		4.17s	7,761	180	5,333
GLM 5.1	10.0	10.0	100.0%	0		9.33s	7,107	991	4,552

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Grok 4.20	2.9	7.2	11.1%	1		49.71s	1,959	872	59,761
GLM 5.1	3.0	10.0	0.0%	0		113.95s	458	969	74,651

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Grok 4.20	3.9	2.6	33.3%	1		24.48s	825	65	6,440
GLM 5.1	10.0	10.0	100.0%	0		20.95s	477	2,875	2,875

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Grok 4.20	9.8	10.0	100.0%	0		4.26s	1,362	57	6,419
GLM 5.1	6.4	5.8	66.7%	1		7.47s	634	204	1,617

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Grok 4.20	7.7	10.0	66.7%	0		6.22s	1,689	149	7,913
GLM 5.1	8.2	7.2	88.9%	1		31.64s	609	935	5,730

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Grok 4.20	3.0	10.0	0.0%	0		13.68s	7,275	197	6,620
GLM 5.1	3.0	10.0	0.0%	0		0ms	0	0	0

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Grok 4.20	3.0	10.0	0.0%	0		63.48s	531	9	16,442
GLM 5.1	3.0	10.0	0.0%	0		29.40s	124	82	2,179

Vergleichspaar wechseln