AI BENCHY Compare

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

Resumen

GPT-5.4 (medium) lidera en puntuación media con 8.5 vs 8.0. GLM 5.2 (high) tiene menor coste de benchmark con $0.667 vs $1.210. GPT-5.4 (medium) es más rápido con 22.35s vs 37.09s, con tasas de acierto de 76.2% vs 77.8%.

Modelo recomendadoGPT-5.4 (medium)Tiene la mejor puntuación aquí (8.5) y responde aproximadamente 1.7x más rápido que GLM 5.2 (high).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-14

Métrica	GPT-5.4 GPT-5.4 medium Lanzamiento: 2026-03-05	GLM 5.2 GLM 5.2 high Lanzamiento: 2026-06-17

Métrica	GPT-5.4 GPT-5.4 medium Lanzamiento: 2026-03-05	GLM 5.2 GLM 5.2 high Lanzamiento: 2026-06-17
Puntuación	8.5	8.0
Rango	#20	#32
Fiabilidad	10.0	9.3
Consistencia	8.6	7.6
Pruebas correctas
Tasa de aciertos por intento	76.2%	77.8%
Pruebas inestables	4	6
Ejecuciones totales	63	63
Costo por resultado	8.640	4.255
Costo total	$1.210	$0.667
Precio de entrada	$2.500 / 1M	$0.929 / 1M
Precio de salida	$15.000 / 1M	$2.918 / 1M
Total de tokens de entrada	34,108	34,993
Tokens de salida	2,242	51,575
Tokens de razonamiento	72,707	166,065
Tiempo de respuesta (promedio)	22.35s	37.09s
Tiempo de respuesta (máximo)	100.41s	180.69s
Tiempo de respuesta (total)	469.29s	778.91s

Generación showcase

Hamster playing table tennis

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

#20 GPT-5.4

medium

Coste: $0.214
Tiempo: 199.6s
Tokens: 14,349 tok

#32 GLM 5.2

high

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

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
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

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
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

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
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

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
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

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
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

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
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

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
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

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
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

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
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

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
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

Comparación rápida

Cambiar par de comparación

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 A55bmediumDisponible gratisvsGLM 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