AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs Z.ai: GLM 5.1

Ringkasan

GLM 5.1 (medium) unggul dalam skor rata-rata dengan 7.1 vs 7.0. DeepSeek V3.2 (medium) memiliki biaya benchmark lebih rendah di $0.078 vs $0.535. GLM 5.1 (medium) lebih cepat di 46.77s vs 68.62s, dengan tingkat keberhasilan 65.2% vs 69.7%.

Model yang direkomendasikanDeepSeek V3.2 (medium)Its score stays close to the best score here (7.0 vs 7.1), while costing about 6.9x less than GLM 5.1 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	GLM 5.1 GLM 5.1 medium Rilis: 2026-04-07

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	GLM 5.1 GLM 5.1 medium Rilis: 2026-04-07
Skor	7.0	7.1
Peringkat	#73	#71
Keandalan	10.0	8.3
Konsistensi	7.4	8.4
Tes benar
Tingkat lulus per percobaan	65.2%	69.7%
Tes tidak stabil	7	4
Total Run	66	66
Biaya per hasil	0.671	4.202
Total Biaya	$0.078	$0.535
Harga input	$0.269 / 1M	$0.966 / 1M
Harga output	$0.400 / 1M	$3.036 / 1M
Total token input	101,047	82,623
Token output	11,834	16,089
Token penalaran	117,014	136,463
Waktu respons (rata-rata)	68.62s	46.77s
Waktu respons (maks)	376.10s	308.75s
Waktu respons (total)	1509.53s	982.16s

Showcase generasi

Hamster playing table tennis

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

#73 DeepSeek V3.2

medium

Biaya: $0.001
Waktu: 53.6s
Token: 1,932 tok

#71 GLM 5.1

medium

SVG tidak valid

Biaya: $0.000
Waktu: 300.0s
Token: 0 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953
GLM 5.1	10.0	10.0	100.0%	0		8.31s	555	401	5,122

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014
GLM 5.1	4.6	3.7	44.5%	2		109.63s	5,702	4,871	37,826

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229
GLM 5.1	9.8	10.0	100.0%	0		175.93s	66,926	4,761	65,248

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693
GLM 5.1	10.0	10.0	100.0%	0		9.33s	7,107	991	4,552

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838
GLM 5.1	5.3	10.0	33.3%	0		29.77s	489	969	11,314

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189
GLM 5.1	10.0	10.0	100.0%	0		20.95s	477	2,875	2,875

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	1,397	2,845
GLM 5.1	6.4	5.8	66.7%	1		7.47s	634	204	1,617

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375
GLM 5.1	8.2	7.2	88.9%	1		31.64s	609	935	5,730

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859
GLM 5.1	3.0	10.0	0.0%	0		0ms	0	0	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019
GLM 5.1	3.0	10.0	0.0%	0		29.40s	124	82	2,179

Perbandingan Cepat

Ganti Pasangan Perbandingan

DeepSeek V3.2mediumvsGemini 3.5 Flashnone Qwen3.7 PlusnonevsGLM 5.1medium KAT-Coder-Pro V2.5highvsGLM 5.1medium DeepSeek V3.2mediumvsGPT-5.6 Solnone Step 3.7 FlashlowvsGLM 5.1medium Gemini 3.5 FlashnonevsGLM 5.1medium Claude Opus 4.8nonevsGLM 5.1medium DeepSeek V3.2mediumvsQwen3.7 Plusnone DeepSeek V3.2mediumvsStep 3.7 Flashhigh DeepSeek V3.2mediumvsGPT-5.5none DeepSeek V3.2mediumvsGemini 3.5 Flashminimal DeepSeek V3.2mediumvsKAT-Coder-Pro V2.5high