AI BENCHY Compare

xAI: Grok 4.5 vs Z.ai: GLM 5.2

Resumen

Comparación benchmark de Grok 4.5 (medium) vs GLM 5.2 (medium): GLM 5.2 (medium) lidera en puntuación media con 8.7 vs 8.3. GLM 5.2 (medium) tiene menor coste de benchmark con $0.098 vs $1.696. GLM 5.2 (medium) es más rápido con 23.28s vs 62.63s, con tasas de acierto de 77.8% vs 84.1%.

Modelo recomendado: GLM 5.2 (medium) - Tiene la mejor puntuación aquí (8.7) y cuesta aproximadamente 17.5x menos que Grok 4.5 (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-08

Métrica	Grok 4.5 Grok 4.5 medium Lanzamiento: 2026-07-08	GLM 5.2 GLM 5.2 medium Lanzamiento: 2026-06-17

Métrica	Grok 4.5 Grok 4.5 medium Lanzamiento: 2026-07-08	GLM 5.2 GLM 5.2 medium Lanzamiento: 2026-06-17
Puntuación	8.3	8.7
Rango	#23	#14
Fiabilidad	9.9	9.5
Consistencia	8.9	8.4
Pruebas correctas
Tasa de aciertos por intento	77.8%	84.1%
Pruebas inestables	3	4
Ejecuciones totales	63	63
Costo por resultado	11.304	2.159
Costo total	$1.696	$0.098
Precio de entrada	$2.000 / 1M	$0.420 / 1M
Precio de salida	$6.000 / 1M	$1.320 / 1M
Total de tokens de entrada	53,500	37,199
Tokens de salida	1,621	12,261
Tokens de razonamiento	263,127	49,500
Tiempo de respuesta (promedio)	62.63s	23.28s
Tiempo de respuesta (máximo)	436.38s	101.36s
Tiempo de respuesta (total)	1315.20s	488.94s

Generación showcase

Hamster playing table tennis

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

#23 xAI: Grok 4.5

medium

Coste: $0.044
Tiempo: 59.4s
Tokens: 7,512 tok

#14 GLM 5.2

medium

Coste: $0.041
Tiempo: 195.8s
Tokens: 9,287 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
Grok 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018
GLM 5.2	10.0	10.0	100.0%	0		5.89s	639	497	2,634

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
Grok 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634
GLM 5.2	8.2	7.2	88.9%	1		40.96s	7,317	1,475	17,123

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
Grok 4.5	10.0	10.0	100.0%	0		15.65s	15,084	261	4,254
GLM 5.2	10.0	10.0	100.0%	0		51.96s	12,696	458	4,531

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
Grok 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657
GLM 5.2	10.0	10.0	100.0%	0		13.44s	7,149	348	2,345

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
Grok 4.5	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922
GLM 5.2	4.1	4.4	44.5%	2		45.47s	551	8,188	11,606

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
Grok 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384
GLM 5.2	10.0	10.0	100.0%	0		17.39s	498	54	1,842

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
Grok 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728
GLM 5.2	9.9	10.0	100.0%	0		7.90s	678	94	1,518

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
Grok 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641
GLM 5.2	8.2	7.2	88.9%	1		13.13s	672	536	4,822

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
Grok 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968
GLM 5.2	10.0	10.0	100.0%	0		20.41s	6,861	230	550

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
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921
GLM 5.2	3.0	10.0	0.0%	0		34.25s	138	381	2,529

Comparación rápida

Cambiar par de comparación

DeepSeek V4 FlashhighvsGrok 4.5medium GPT-5.2 ChatnonevsGrok 4.5medium GPT-5.2 ChatnonevsGLM 5.2medium DeepSeek V4 FlashhighvsGLM 5.2medium Gemini 3.5 FlashlowvsGLM 5.2medium Claude Opus 4.8lowvsGrok 4.5medium Step 3.7 FlashlowvsGrok 4.5medium GPT-5.5lowvsGLM 5.2medium DeepSeek V4 ProhighvsGrok 4.5medium GPT-5.3 ChatnonevsGrok 4.5medium Grok 4.5lowvsGLM 5.2medium Gemini 3.5 FlashlowvsGrok 4.5medium