Grok 4.5 (medium) vs GLM 5.3 FlashX Legal (max)

average score जवळपास समान आहे: 7.8 vs 7.9. GLM 5.3 FlashX Legal (max) चा benchmark खर्च कमी आहे: $0.819 vs $2.996. GLM 5.3 FlashX Legal (max) वेगवान आहे: 65.28s vs 68.44s, pass rates 79.7% vs 71.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-10

तुलना केलेली मॉडेल्स

क्रमांक: #154
एकूण आउटपुट टोकन्स: 306,044
प्रतिसाद वेळ (सरासरी): 68.44s
एकूण खर्च: $2.996

क्रमांक: #147
एकूण आउटपुट टोकन्स: 571,211
प्रतिसाद वेळ (सरासरी): 65.28s
एकूण खर्च: $0.819

शिफारस केलेले मॉडेल GLM 5.3 FlashX Legal (max)

It has the best score here (7.9), while costing about 3.7x less than Grok 4.5 (medium).

तपशीलवार तुलना

मेट्रिक	Grok 4.5 Grok 4.5 medium प्रकाशन: 2026-07-08	GLM 5.3 FlashX Legal GLM 5.3 FlashX Legal max प्रकाशन: 2026-11-02

मेट्रिक	Grok 4.5 Grok 4.5 medium प्रकाशन: 2026-07-08	GLM 5.3 FlashX Legal GLM 5.3 FlashX Legal max प्रकाशन: 2026-11-02
स्कोअर	7.8	7.9
क्रमांक	#154	#147
विश्वसनीयता	10.0	9.7
सुसंगतता	9.0	8.4
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	79.7%	71.0%
अस्थिर चाचण्या	3	5
एकूण रन	69	69
प्रति निकाल खर्च	14.430	5.846
एकूण खर्च	$2.996	$0.819
इनपुट किंमत	$2.000 / 1M	$0.370 / 1M
आउटपुट किंमत	$6.000 / 1M	$1.250 / 1M
कॅश वाचण्याची किंमत	$0.300 / 1M	$0.075 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	308,369	282,144
आउटपुट टोकन्स	7,013	6,078
रिझनिंग टोकन्स	299,031	565,133
प्रतिसाद वेळ (सरासरी)	68.44s	65.28s
प्रतिसाद वेळ (कमाल)	436.38s	516.19s
प्रतिसाद वेळ (एकूण)	1574.14s	1501.49s
पॅरामीटर्स	~1.7T एकूण (~170B सक्रिय)	~320B एकूण (~18B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#154 SpaceXAI: Grok 4.5

medium

खर्च: $0.044
वेळ: 59.4s
टोकन्स: 7,512 tok

#147 GLM 5.3 FlashX Legal

max

OpenRouter returned no showcase content (finish_reason: length).

खर्च: $0.082
वेळ: 408.0s
टोकन्स: 65,656 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

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Grok 4.5	5.0	10.0	0.0%	0		65.24s	186,214	1,499	5,085
GLM 5.3 FlashX Legal	6.1	3.1	66.7%	1		93.32s	168,647	1,383	19,414

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Grok 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018
GLM 5.3 FlashX Legal	8.2	7.9	83.3%	1		1.62s	639	155	1,365

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Grok 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634
GLM 5.3 FlashX Legal	10.0	10.0	100.0%	0		47.87s	7,317	385	62,514

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Grok 4.5	10.0	10.0	100.0%	0		29.01s	83,730	4,154	16,180
GLM 5.3 FlashX Legal	7.3	5.8	83.3%	1		55.52s	87,875	2,726	46,237

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Grok 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657
GLM 5.3 FlashX Legal	10.0	10.0	100.0%	0		4.09s	7,149	247	3,168

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Grok 4.5	5.3	7.2	44.4%	1		249.34s	2,221	11	140,815
GLM 5.3 FlashX Legal	3.0	10.0	0.0%	0		350.03s	759	366	408,079

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Grok 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384
GLM 5.3 FlashX Legal	4.7	3.1	33.3%	1		3.28s	498	165	965

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Grok 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728
GLM 5.3 FlashX Legal	9.9	10.0	100.0%	0		2.94s	678	72	954

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Grok 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641
GLM 5.3 FlashX Legal	8.2	7.7	77.8%	1		4.83s	672	328	3,897

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Grok 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968
GLM 5.3 FlashX Legal	10.0	10.0	100.0%	0		6.17s	7,703	231	601

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921
GLM 5.3 FlashX Legal	3.0	10.0	0.0%	0		59.00s	207	20	17,939

तुलना जोडी बदला

Gemini 3.5 FlashmediumvsGLM 5.3 FlashX Legalmax Qwen3.8 2.4T A95BhighvsGLM 5.3 FlashX Legalmax Grok 4.5mediumvsGLM 5.3high MiMo-V2.6-FlashmediumvsGLM 5.3 FlashX Legalmax DeepSeek V4.1 Flash 1017highvsGrok 4.5medium Ling 3.1 FlashhighvsGrok 4.5medium Muse WondermaxvsGrok 4.5medium Ling 3.1 FlashhighvsGLM 5.3 FlashX Legalmax DeepSeek V4.1 Flash 1017highvsGLM 5.3 FlashX Legalmax Qwen3.7 MaxnonevsGLM 5.3 FlashX Legalmax Qwen3.8 2.4T A95BhighvsGrok 4.5medium GPT-5.4 MinimediumvsGLM 5.3 FlashX Legalmax