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

xAI: Grok 4.20 Multi-Agent Beta vs Z.ai: GLM 4.7 Flash

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-12

Metrică Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium Lansare: 2026-03-12 GLM 4.7 Flash GLM 4.7 Flash none Lansare: 2026-01-19
Rang #47 #57
Scor mediu 4.9 3.9
Consistență 7.1 8.4
Cost per rezultat 97.178 0.066
Cost total $4.859 $0.003
Teste corecte
Rată de trecere pe încercare 52.1% 35.4%
Teste instabile 6 3
Rulări totale 48 48
Tokenuri de ieșire 293,634 1,855
Tokenuri de raționament 291,260 0
Timp de răspuns (mediu) 9.08s 2.99s
Timp de răspuns (maxim) 35.28s 7.05s
Timp de răspuns (total) 127.09s 26.90s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor mediu vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor mediu 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 ieșire Tokenuri de raționament
Grok 4.20 Multi-Agent Beta 4.0 4.4 66.7% 2 3.77s 28,392 27,808
GLM 4.7 Flash 10.0 7.2 22.2% 1 6.59s 430 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0
GLM 4.7 Flash 10.0 10.0 0.0% 0 3.22s 704 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Multi-Agent Beta 9.9 10.0 100.0% 0 5.54s 25,306 25,051
GLM 4.7 Flash 5.4 5.8 83.3% 1 4.82s 196 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Multi-Agent Beta 10.0 7.2 11.1% 1 24.67s 164,609 163,647
GLM 4.7 Flash 7.0 10.0 66.7% 0 744ms 19 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Multi-Agent Beta 4.0 2.8 66.7% 1 6.40s 15,848 15,746
GLM 4.7 Flash 3.0 10.0 0.0% 0 1.59s 134 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Multi-Agent Beta 9.0 10.0 50.0% 0 4.63s 25,457 25,322
GLM 4.7 Flash 5.5 10.0 50.0% 0 888ms 62 0
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Multi-Agent Beta 6.3 5.1 77.8% 2 5.01s 34,022 33,686
GLM 4.7 Flash 3.7 10.0 0.0% 0 1.00s 98 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0
GLM 4.7 Flash 10.0 1.6 33.3% 1 7.05s 212 0

Comparație rapidă

Schimbă perechea de comparație

Qwen3.5-27BnonevsGrok 4.20 Multi-Agent BetamediumSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumQwen3 Coder NextmediumvsGLM 4.7 FlashnoneGPT-5.4nonevsGrok 4.20 Multi-Agent BetamediumDeepSeek V3.2nonevsGrok 4.20 Multi-Agent BetamediumTrinity Large PreviewnoneDisponibil gratuitvsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5mediumvsGLM 4.7 Flashnone