AI BENCHY Compare

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

Сводка

Сравнение benchmark Claude Opus 4.8 vs GLM 5.2: Claude Opus 4.8 лидирует по среднему баллу: 7.2 vs 7.1. GLM 5.2 имеет более низкую стоимость benchmark: $0.076 vs $0.539. Claude Opus 4.8 быстрее: 3.47s vs 6.34s, с долей успешных попыток 61.9% vs 60.3%.

Рекомендуемая модель: GLM 5.2 - Его балл близок к лучшему здесь (7.1 против 7.2), при этом он примерно в 7.1 раза дешевле, чем Claude Opus 4.8.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-17

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	GLM 5.2 GLM 5.2 none Релиз: 2026-06-17

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	GLM 5.2 GLM 5.2 none Релиз: 2026-06-17
Оценка	7.2	7.1
Ранг	#57	#61
Надежность	10.0	9.9
Стабильность	9.2	9.6
Тестов верно
Доля успешных попыток	61.9%	60.3%
Нестабильные тесты	2	1
Всего запусков	63	63
Стоимость за результат	4.485	0.628
Общая стоимость	$0.539	$0.076
Цена входа	$5.000 / 1M	$1.400 / 1M
Цена выхода	$25.000 / 1M	$4.400 / 1M
Общее число входных токенов	67,104	38,671
Выходные токены	8,107	4,817
Токены рассуждений	0	0
Время ответа (среднее)	3.47s	6.34s
Время ответа (макс.)	17.73s	20.69s
Время ответа (суммарно)	72.90s	133.19s

Generation showcase

Hamster playing table tennis

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

#57 Claude Opus 4.8

none

Cost: $0.053
Time: 22.0s
Tokens: 2,253 tok

#61 GLM 5.2

none

Invalid SVG

Cost: $0.033
Time: 87.7s
Tokens: 7,455 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.5	10.0	50.0%	0		3.40s	834	1,472	0
GLM 5.2	8.3	10.0	75.0%	0		3.70s	567	313	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
GLM 5.2	3.7	9.5	0.0%	0		7.55s	7,263	1,958	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.5	10.0	100.0%	0		17.73s	29,658	3,259	0
GLM 5.2	10.0	10.0	100.0%	0		20.69s	14,296	1,489	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.3	5.8	83.3%	1		1.77s	10,503	308	0
GLM 5.2	10.0	10.0	100.0%	0		7.17s	7,113	204	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.3	7.2	44.4%	1		1.66s	975	61	0
GLM 5.2	5.3	10.0	33.3%	0		6.50s	696	27	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.48s	708	230	0
GLM 5.2	6.1	3.1	66.7%	1		4.42s	480	82	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.9	10.0	100.0%	0		1.37s	909	95	0
GLM 5.2	9.8	10.0	100.0%	0		3.84s	642	66	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.7	10.0	66.7%	0		2.74s	894	783	0
GLM 5.2	7.7	10.0	66.7%	0		3.31s	618	265	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		5.35s	11,775	355	0
GLM 5.2	10.0	10.0	100.0%	0		15.76s	6,807	400	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.0	10.0	0.0%	0		3.41s	258	212	0
GLM 5.2	3.0	10.0	0.0%	0		3.41s	189	13	0

Быстрое сравнение

Сменить пару сравнения