नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.7 vs Z.ai: GLM 5.2

सारांश

Claude Opus 4.7 (medium) average score मध्ये पुढे आहे: 8.7 vs 8.0. GLM 5.2 (high) चा benchmark खर्च कमी आहे: $0.667 vs $0.679. Claude Opus 4.7 (medium) वेगवान आहे: 4.73s vs 37.09s, pass rates 82.5% vs 77.8%.

शिफारस केलेले मॉडेलClaude Opus 4.7 (medium)It has the best score here (8.7), while responding about 7.8x faster than GLM 5.2 (high).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14

मेट्रिक Claude Opus 4.7 Claude Opus 4.7 medium प्रकाशन: 2026-04-16 GLM 5.2 GLM 5.2 high प्रकाशन: 2026-06-17
स्कोअर 8.7 8.0
क्रमांक #16 #32
विश्वसनीयता 10.0 9.3
सुसंगतता 9.6 7.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 82.5% 77.8%
अस्थिर चाचण्या 1 6
एकूण रन 63 63
प्रति निकाल खर्च 3.991 4.255
एकूण खर्च $0.679 $0.667
इनपुट किंमत $5.000 / 1M $0.929 / 1M
आउटपुट किंमत $25.000 / 1M $2.918 / 1M
एकूण इनपुट टोकन्स 65,406 34,993
आउटपुट टोकन्स 11,858 51,575
रिझनिंग टोकन्स 2,198 166,065
प्रतिसाद वेळ (सरासरी) 4.73s 37.09s
प्रतिसाद वेळ (कमाल) 23.18s 180.69s
प्रतिसाद वेळ (एकूण) 94.51s 778.91s

जनरेशन शोकेस

Hamster playing table tennis

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

#16 Claude Opus 4.7

medium
खर्च
$0.059
वेळ
26.8s
टोकन्स
2,475 tok

#32 GLM 5.2

high
अवैध SVG
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.7 7.6 7.2 77.8% 1 12.96s 10,635 7,629 1,114
GLM 5.2 6.4 4.4 77.8% 2 73.03s 5,124 2,302 22,546

झटपट तुलना

तुलना जोडी बदला