नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

xAI: Grok 4.20 vs Z.ai: GLM 5.1

सारांश

Grok 4.20 vs GLM 5.1 benchmark तुलना: Grok 4.20 average score मध्ये पुढे आहे: 7.3 vs 7.1. GLM 5.1 चा benchmark खर्च कमी आहे: $0.292 vs $0.609. Grok 4.20 वेगवान आहे: 27.68s vs 33.67s, pass rates 63.5% vs 68.3%.

शिफारस केलेले मॉडेल: GLM 5.1 - Its score stays close to the best score here (7.1 vs 7.3), while costing about 2.1x less than Grok 4.20.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-06-18

मेट्रिक Grok 4.20 Grok 4.20 medium प्रकाशन: 2026-03-31 GLM 5.1 GLM 5.1 medium प्रकाशन: 2026-04-07
स्कोअर 7.3 7.1
क्रमांक #53 #64
विश्वसनीयता 10.0 6.7
सुसंगतता 8.8 8.3
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.5% 68.3%
अस्थिर चाचण्या 3 4
एकूण रन 63 63
प्रति निकाल खर्च 8.309 2.496
एकूण खर्च $0.609 $0.292
इनपुट किंमत $1.250 / 1M $0.980 / 1M
आउटपुट किंमत $2.500 / 1M $3.080 / 1M
एकूण इनपुट टोकन्स 44,433 32,995
आउटपुट टोकन्स 1,819 11,655
रिझनिंग टोकन्स 219,524 75,421
प्रतिसाद वेळ (सरासरी) 27.68s 33.67s
प्रतिसाद वेळ (कमाल) 199.66s 172.60s
प्रतिसाद वेळ (एकूण) 581.26s 673.41s

जनरेशन शोकेस

Hamster playing table tennis

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

#53 xAI: Grok 4.20

medium
खर्च
$0.041
वेळ
110.3s
टोकन्स
16,336 tok

#64 GLM 5.1

medium
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

अँटी-एआय युक्त्या स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
GLM 5.1 10.0 10.0 100.0% 0 8.31s 555 401 5,122
कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
GLM 5.1 4.6 3.7 44.5% 2 109.63s 5,702 4,871 37,826
संयुक्त स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
GLM 5.1 9.5 10.0 100.0% 0 43.11s 17,298 327 4,206
डेटा पार्सिंग आणि निष्कर्षण स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
GLM 5.1 10.0 10.0 100.0% 0 9.33s 7,107 991 4,552
डोमेन-विशिष्ट स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
GLM 5.1 5.3 10.0 33.3% 0 29.77s 489 969 11,314
Samanya Buddhimatta स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
GLM 5.1 10.0 10.0 100.0% 0 20.95s 477 2,875 2,875
सूचनांचे पालन स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
GLM 5.1 6.4 5.8 66.7% 1 7.47s 634 204 1,617
कोडी सोडवणे स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
GLM 5.1 8.2 7.2 88.9% 1 31.64s 609 935 5,730
टूल कॉलिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
GLM 5.1 3.0 10.0 0.0% 0 0ms 0 0 0
सामान्य ज्ञान स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442
GLM 5.1 3.0 10.0 0.0% 0 29.40s 124 82 2,179

झटपट तुलना

तुलना जोडी बदला

Step 3.7 FlashhighvsGLM 5.1mediumGemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumQwen3.7 PlusnonevsGLM 5.1mediumDeepSeek V4 PrononevsGLM 5.1mediumGemini 3.5 FlashnonevsGLM 5.1mediumClaude Opus 4.8nonevsGrok 4.20mediumClaude Opus 4.8nonevsGLM 5.1mediumGPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumGemini 3 Flash PreviewnonevsGLM 5.1mediumQwen3.7 PlusnonevsGrok 4.20medium