Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Z.ai: GLM 5.1

Resumen

Comparación benchmark de Claude Opus 4.8 vs GLM 5.1 (medium): Claude Opus 4.8 lidera en puntuación media con 7.2 vs 7.1. GLM 5.1 (medium) tiene menor coste de benchmark con $0.288 vs $0.539. Claude Opus 4.8 es más rápido con 3.48s vs 33.67s, con tasas de acierto de 61.9% vs 68.3%.

Modelo recomendado: Claude Opus 4.8 - Tiene la mejor puntuación aquí (7.2) y responde aproximadamente 9.7x más rápido que GLM 5.1 (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-10

Métrica Claude Opus 4.8 Claude Opus 4.8 none Lanzamiento: 2026-05-28 GLM 5.1 GLM 5.1 medium Lanzamiento: 2026-04-07
Puntuación 7.2 7.1
Rango #70 #77
Fiabilidad 10.0 6.7
Consistencia 9.2 8.3
Pruebas correctas
Tasa de aciertos por intento 61.9% 68.3%
Pruebas inestables 2 4
Ejecuciones totales 63 63
Costo por resultado 4.485 2.496
Costo total $0.539 $0.288
Precio de entrada $5.000 / 1M $0.966 / 1M
Precio de salida $25.000 / 1M $3.036 / 1M
Total de tokens de entrada 67,104 32,995
Tokens de salida 8,107 11,655
Tokens de razonamiento 0 75,421
Tiempo de respuesta (promedio) 3.48s 33.67s
Tiempo de respuesta (máximo) 17.73s 172.60s
Tiempo de respuesta (total) 73.00s 673.41s

Generación showcase

Hamster playing table tennis

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

#70 Claude Opus 4.8

none
Coste
$0.053
Tiempo
22.0s
Tokens
2,253 tok

#77 GLM 5.1

medium
SVG inválido
Coste
$0.000
Tiempo
300.0s
Tokens
0 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 834 1,472 0
GLM 5.1 10.0 10.0 100.0% 0 8.31s 555 401 5,122
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
GLM 5.1 4.6 3.7 44.5% 2 109.63s 5,702 4,871 37,826
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 29,658 3,259 0
GLM 5.1 9.5 10.0 100.0% 0 43.11s 17,298 327 4,206
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 10,503 308 0
GLM 5.1 10.0 10.0 100.0% 0 9.33s 7,107 991 4,552
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 5.3 7.2 44.4% 1 1.70s 975 61 0
GLM 5.1 5.3 10.0 33.3% 0 29.77s 489 969 11,314
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 708 230 0
GLM 5.1 10.0 10.0 100.0% 0 20.95s 477 2,875 2,875
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 909 95 0
GLM 5.1 6.4 5.8 66.7% 1 7.47s 634 204 1,617
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 894 783 0
GLM 5.1 8.2 7.2 88.9% 1 31.64s 609 935 5,730
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 11,775 355 0
GLM 5.1 3.0 10.0 0.0% 0 0ms 0 0 0
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 258 212 0
GLM 5.1 3.0 10.0 0.0% 0 29.40s 124 82 2,179

Comparación rápida

Cambiar par de comparación

Step 3.7 FlashhighvsGLM 5.1mediumClaude Opus 4.8nonevsGemma 4 26B A4BmediumDisponible gratisQwen3.7 PlusnonevsGLM 5.1mediumDeepSeek V4 PrononevsGLM 5.1mediumGemini 3.5 FlashnonevsGLM 5.1mediumClaude Opus 4.8nonevsGrok 4.20mediumClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsLaguna XS 2.1mediumDisponible gratisGemini 3 Flash PreviewnonevsGLM 5.1mediumClaude Opus 4.8nonevsMiMo-V2.5-PromediumClaude Opus 4.8nonevsSeed-2.0-Minimedium