AI BENCHY Compare
xAI: Grok 4.20 Multi-Agent Beta vs Z.ai: GLM 4.7 Flash
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: 2026-03-12
| 指標 | Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium | GLM 4.7 Flash GLM 4.7 Flash none |
|---|---|---|
| 順位 | #47 | #57 |
| 平均スコア | 4.9 | 3.9 |
| 一貫性 | 7.1 | 8.4 |
| 結果あたりのコスト | 97.178 | 0.066 |
| 合計コスト | $4.859 | $0.003 |
| 正解テスト | ||
| 試行ごとの合格率 | 52.1% | 35.4% |
| 不安定なテスト | 6 | 3 |
| 総実行回数 | 48 | 48 |
| 出力トークン | 293,634 | 1,855 |
| 推論トークン | 291,260 | 0 |
| 応答時間（平均） | 9.08s | 2.99s |
| 応答時間（最大） | 35.28s | 7.05s |
| 応答時間（合計） | 127.09s | 26.90s |
スコア vs 総コスト
応答時間（平均）
平均スコア vs 応答時間（平均）
合計出力トークン
平均スコア vs 合計出力トークン
カテゴリ内訳
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Multi-Agent Beta | 4.0 | 4.4 | 66.7% | 2 | 3.77s | 28,392 | 27,808 | |
| GLM 4.7 Flash | 10.0 | 7.2 | 22.2% | 1 | 6.59s | 430 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Multi-Agent Beta | 10.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GLM 4.7 Flash | 10.0 | 10.0 | 0.0% | 0 | 3.22s | 704 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Multi-Agent Beta | 9.9 | 10.0 | 100.0% | 0 | 5.54s | 25,306 | 25,051 | |
| GLM 4.7 Flash | 5.4 | 5.8 | 83.3% | 1 | 4.82s | 196 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Multi-Agent Beta | 10.0 | 7.2 | 11.1% | 1 | 24.67s | 164,609 | 163,647 | |
| GLM 4.7 Flash | 7.0 | 10.0 | 66.7% | 0 | 744ms | 19 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Multi-Agent Beta | 4.0 | 2.8 | 66.7% | 1 | 6.40s | 15,848 | 15,746 | |
| GLM 4.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 1.59s | 134 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Multi-Agent Beta | 9.0 | 10.0 | 50.0% | 0 | 4.63s | 25,457 | 25,322 | |
| GLM 4.7 Flash | 5.5 | 10.0 | 50.0% | 0 | 888ms | 62 | 0 |
| Puzzle Solving | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Multi-Agent Beta | 6.3 | 5.1 | 77.8% | 2 | 5.01s | 34,022 | 33,686 | |
| GLM 4.7 Flash | 3.7 | 10.0 | 0.0% | 0 | 1.00s | 98 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Multi-Agent Beta | 10.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GLM 4.7 Flash | 10.0 | 1.6 | 33.3% | 1 | 7.05s | 212 | 0 |
クイック比較
比較ペアを切り替え
Qwen3.5-27BnonevsGrok 4.20 Multi-Agent BetamediumSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumQwen3 Coder NextmediumvsGLM 4.7 FlashnoneGPT-5.4nonevsGrok 4.20 Multi-Agent BetamediumDeepSeek V3.2nonevsGrok 4.20 Multi-Agent BetamediumTrinity Large Previewnone無料で利用可能vsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5mediumvsGLM 4.7 Flashnone