नेव्हिगेशन
AI BENCHY
Advertise here

Anthropic: Claude Opus 4.8 vs Z.ai: GLM 5.2

GLM 5.2 (medium) average score मध्ये पुढे आहे: 7.8 vs 7.8. GLM 5.2 (medium) चा benchmark खर्च कमी आहे: $0.213 vs $2.077. Claude Opus 4.8 (low) वेगवान आहे: 12.74s vs 23.28s, pass rates 80.3% vs 80.3%.

शिफारस केलेले मॉडेलGLM 5.2 (medium)It has the best score here (7.8), while costing about 9.8x less than Claude Opus 4.8 (low).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 low प्रकाशन: 2026-05-28 GLM 5.2 GLM 5.2 medium प्रकाशन: 2026-06-17
स्कोअर 7.8 7.8
क्रमांक #39 #36
विश्वसनीयता 10.0 9.5
सुसंगतता 8.9 8.0
बरोबर चाचण्या
प्रति प्रयत्न पास दर 80.3% 80.3%
अस्थिर चाचण्या 3 4
एकूण रन 66 63
प्रति निकाल खर्च 12.979 2.159
एकूण खर्च $2.077 $0.213
इनपुट किंमत $5.000 / 1M $0.919 / 1M
आउटपुट किंमत $25.000 / 1M $2.887 / 1M
एकूण इनपुट टोकन्स 156,525 37,199
आउटपुट टोकन्स 43,141 12,261
रिझनिंग टोकन्स 8,617 49,500
प्रतिसाद वेळ (सरासरी) 12.74s 23.28s
प्रतिसाद वेळ (कमाल) 127.97s 101.36s
प्रतिसाद वेळ (एकूण) 280.29s 488.94s

Hamster playing table tennis

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

#39 Claude Opus 4.8

low
खर्च
$0.031
वेळ
14.1s
टोकन्स
1,345 tok

#36 GLM 5.2

medium
खर्च
$0.041
वेळ
195.8s
टोकन्स
9,287 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 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
GLM 5.2 8.2 7.2 88.9% 1 40.96s 7,317 1,475 17,123

झटपट तुलना

तुलना जोडी बदला