Navigare
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 4.8 vs Z.ai: GLM 5.1

Rezumat

Comparație benchmark Claude Opus 4.8 vs GLM 5.1 (medium): Claude Opus 4.8 conduce la scorul mediu cu 7.2 vs 7.1. GLM 5.1 (medium) are costul de benchmark mai mic, $0.288 vs $0.539. Claude Opus 4.8 este mai rapid cu 3.48s vs 33.67s, cu rate de reușită de 61.9% vs 68.3%.

Model recomandat: Claude Opus 4.8 - Are cel mai bun scor aici (7.2) și răspunde de aproximativ 9.7x mai rapid decât GLM 5.1 (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-10

Metrică Claude Opus 4.8 Claude Opus 4.8 none Lansare: 2026-05-28 GLM 5.1 GLM 5.1 medium Lansare: 2026-04-07
Scor 7.2 7.1
Rang #70 #77
Fiabilitate 10.0 6.7
Consistență 9.2 8.3
Teste corecte
Rată de trecere pe încercare 61.9% 68.3%
Teste instabile 2 4
Rulări totale 63 63
Cost per rezultat 4.485 2.496
Cost total $0.539 $0.288
Preț de intrare $5.000 / 1M $0.966 / 1M
Preț de ieșire $25.000 / 1M $3.036 / 1M
Total tokenuri de intrare 67,104 32,995
Tokenuri de ieșire 8,107 11,655
Tokenuri de raționament 0 75,421
Timp de răspuns (mediu) 3.48s 33.67s
Timp de răspuns (maxim) 17.73s 172.60s
Timp de răspuns (total) 73.00s 673.41s

Prezentare generare

Hamster playing table tennis

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

#70 Claude Opus 4.8

none
Cost
$0.053
Timp
22.0s
Tokenuri
2,253 tok

#77 GLM 5.1

medium
SVG invalid
Cost
$0.000
Timp
300.0s
Tokenuri
0 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 834 1,472 0
GLM 5.1 10.0 10.0 100.0% 0 8.31s 555 401 5,122
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
GLM 5.1 4.6 3.7 44.5% 2 109.63s 5,702 4,871 37,826
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 29,658 3,259 0
GLM 5.1 9.5 10.0 100.0% 0 43.11s 17,298 327 4,206
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 10,503 308 0
GLM 5.1 10.0 10.0 100.0% 0 9.33s 7,107 991 4,552
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 5.3 7.2 44.4% 1 1.70s 975 61 0
GLM 5.1 5.3 10.0 33.3% 0 29.77s 489 969 11,314
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 708 230 0
GLM 5.1 10.0 10.0 100.0% 0 20.95s 477 2,875 2,875
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 909 95 0
GLM 5.1 6.4 5.8 66.7% 1 7.47s 634 204 1,617
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 894 783 0
GLM 5.1 8.2 7.2 88.9% 1 31.64s 609 935 5,730
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 11,775 355 0
GLM 5.1 3.0 10.0 0.0% 0 0ms 0 0 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 258 212 0
GLM 5.1 3.0 10.0 0.0% 0 29.40s 124 82 2,179

Comparație rapidă

Schimbă perechea de comparație

Step 3.7 FlashhighvsGLM 5.1mediumClaude Opus 4.8nonevsGemma 4 26B A4BmediumDisponibil gratuitQwen3.7 PlusnonevsGLM 5.1mediumDeepSeek V4 PrononevsGLM 5.1mediumGemini 3.5 FlashnonevsGLM 5.1mediumClaude Opus 4.8nonevsGrok 4.20mediumClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsLaguna XS 2.1mediumDisponibil gratuitGemini 3 Flash PreviewnonevsGLM 5.1mediumClaude Opus 4.8nonevsMiMo-V2.5-PromediumClaude Opus 4.8nonevsSeed-2.0-Minimedium