AI BENCHY Compare

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

概要

GPT-5.4 (medium) が平均スコアでリードし、8.5 vs 8.0 です。 GLM 5.2 (high) の benchmark コストが低く、$0.667 vs $1.210 です。 GPT-5.4 (medium) の方が高速で、22.35s vs 37.09s です、成功率は 76.2% vs 77.8% です。

おすすめモデルGPT-5.4 (medium)ここでは最高スコア（8.5）で、GLM 5.2 (high) より約 1.7 倍速く応答します。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-14

指標	GPT-5.4 GPT-5.4 medium リリース: 2026-03-05	GLM 5.2 GLM 5.2 high リリース: 2026-06-17

指標	GPT-5.4 GPT-5.4 medium リリース: 2026-03-05	GLM 5.2 GLM 5.2 high リリース: 2026-06-17
スコア	8.5	8.0
順位	#20	#32
信頼性	10.0	9.3
一貫性	8.6	7.6
正解テスト
試行ごとの合格率	76.2%	77.8%
不安定なテスト	4	6
総実行回数	63	63
結果あたりのコスト	8.640	4.255
合計コスト	$1.210	$0.667
入力価格	$2.500 / 1M	$0.929 / 1M
出力価格	$15.000 / 1M	$2.918 / 1M
合計入力トークン	34,108	34,993
出力トークン	2,242	51,575
推論トークン	72,707	166,065
応答時間（平均）	22.35s	37.09s
応答時間（最大）	100.41s	180.69s
応答時間（合計）	469.29s	778.91s

生成ショーケース

Hamster playing table tennis

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

#20 GPT-5.4

medium

コスト: $0.214
時間: 199.6s
トークン: 14,349 tok

#32 GLM 5.2

high

無効なSVG

コスト: $0.000
時間: 300.0s
トークン: 0 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

カテゴリ:

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

クイック比較

比較ペアを切り替え

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 A55bmedium無料で利用可能vsGLM 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