GPT-5.3 Chat лидирует по среднему баллу: 7.5 vs 6.7. GLM 5V Turbo (medium) имеет более низкую стоимость benchmark: $0.457 vs $0.571. GPT-5.3 Chat быстрее: 6.88s vs 23.08s, с долей успешных попыток 68.2% vs 65.2%.
Бенчмарки сгенерированы из тестовых наборов AI BENCHY в:
2026-07-25
⋮⋮
Ранг
#62
Общее число выходных токенов
30,854
Время ответа (среднее)
6.88s
Общая стоимость
$0.571
⋮⋮
Ранг
#102
Общее число выходных токенов
100,762
Время ответа (среднее)
23.08s
Общая стоимость
$0.457
Рекомендуемая модельGPT-5.3 Chat
Здесь у него лучший балл (7.5), и он отвечает примерно в 3.4 раза быстрее, чем GLM 5V Turbo (medium).
GLM 5V TurboGLM 5V TurbomediumАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.Релиз: 2026-04-01
Оценка
7.5Средний балл по всем бенчмарк-тестам.…
6.7Средний балл по всем бенчмарк-тестам.…
Ранг
#62
#102
Надежность
10.0Оценка успеха с первой попытки: 10.0 означает отсутствие повторяемых сбоев целевого API или лимитов до успешных вызовов; зафиксированные сбои снижают оценку.…
10.0Оценка успеха с первой попытки: 10.0 означает отсутствие повторяемых сбоев целевого API или лимитов до успешных вызовов; зафиксированные сбои снижают оценку.…
Стабильность
8.2Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
7.5Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
Тестов верно
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 7Не соблюдены инструкции: 2Время ответа (среднее)6.88sВремя ответа (макс.)18.33sВремя ответа (суммарно)151.31sТест считается полностью пройденным, только если все его прогоны успешны.…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 7Недопустимый вызов инструмента: 2Не соблюдены инструкции: 1Время ответа (среднее)23.08sВремя ответа (макс.)95.88sВремя ответа (суммарно)484.63sТест считается полностью пройденным, только если все его прогоны успешны.…
Доля успешных попыток
68.2%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
65.2%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
Нестабильные тесты
5Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
6Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Всего запусков
66Всего запусков…
63Всего запусков…
Стоимость за результат
4.387Показывает среднюю стоимость одного правильного ответа в бенчмарке в центах (меньше — лучше).…
4.151Показывает среднюю стоимость одного правильного ответа в бенчмарке в центах (меньше — лучше).…
Общая стоимость
$0.571Общая стоимость (текущая цена)…
$0.457Общая стоимость (текущая цена)…
Цена входа
$1.750 / 1MЦена входа…
$1.200 / 1MЦена входа…
Цена выхода
$14.000 / 1MЦена выхода…
$4.000 / 1MЦена выхода…
Общее число входных токенов
78,990Общее число входных токенов…
44,615Общее число входных токенов…
Выходные токены
30,854Выходные токены…
2,347Выходные токены…
Токены рассуждений
0Токены рассуждений…
98,415Токены рассуждений…
Время ответа (среднее)
6.88sВремя ответа (среднее)…
23.08sВремя ответа (среднее)…
Время ответа (макс.)
18.33sВремя ответа (макс.)…
95.88sВремя ответа (макс.)…
Время ответа (суммарно)
151.31sВремя ответа (суммарно)…
484.63sВремя ответа (суммарно)…
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
8.1Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
58.3%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
1Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Не соблюдены инструкции: 1Неверный ответ: 1Время ответа (среднее)3.86sВремя ответа (макс.)7.35sВремя ответа (суммарно)15.44sТест считается полностью пройденным, только если все его прогоны успешны.…
3.86sВремя ответа (среднее)…
606Общее число входных токенов…
3,167Выходные токены…
0Токены рассуждений…
GLM 5V TurboАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
7.2Средний балл по всем бенчмарк-тестам.…
6.1Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
75.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
2Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Не соблюдены инструкции: 1Неверный ответ: 1Время ответа (среднее)10.76sВремя ответа (макс.)14.40sВремя ответа (суммарно)43.02sТест считается полностью пройденным, только если все его прогоны успешны.…
4.7Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
55.6%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
2Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 2Время ответа (среднее)10.52sВремя ответа (макс.)11.72sВремя ответа (суммарно)31.55sТест считается полностью пройденным, только если все его прогоны успешны.…
10.52sВремя ответа (среднее)…
7,302Общее число входных токенов…
6,632Выходные токены…
0Токены рассуждений…
GLM 5V TurboАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
6.0Средний балл по всем бенчмарк-тестам.…
7.2Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
55.6%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
1Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 2Время ответа (среднее)63.38sВремя ответа (макс.)95.88sВремя ответа (суммарно)190.15sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)15.07sВремя ответа (макс.)18.19sВремя ответа (суммарно)30.14sТест считается полностью пройденным, только если все его прогоны успешны.…
15.07sВремя ответа (среднее)…
55,800Общее число входных токенов…
6,851Выходные токены…
0Токены рассуждений…
GLM 5V TurboАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
3.4Средний балл по всем бенчмарк-тестам.…
1.9Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
33.3%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
1Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Недопустимый вызов инструмента: 1Время ответа (среднее)15.06sВремя ответа (макс.)15.06sВремя ответа (суммарно)15.06sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)2.21sВремя ответа (макс.)2.52sВремя ответа (суммарно)4.42sТест считается полностью пройденным, только если все его прогоны успешны.…
2.21sВремя ответа (среднее)…
7,140Общее число входных токенов…
942Выходные токены…
0Токены рассуждений…
GLM 5V TurboАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
10.0Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)9.60sВремя ответа (макс.)9.92sВремя ответа (суммарно)19.19sТест считается полностью пройденным, только если все его прогоны успешны.…
4.4Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
33.3%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
2Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 3Время ответа (среднее)13.01sВремя ответа (макс.)18.33sВремя ответа (суммарно)39.04sТест считается полностью пройденным, только если все его прогоны успешны.…
13.01sВремя ответа (среднее)…
723Общее число входных токенов…
8,264Выходные токены…
0Токены рассуждений…
GLM 5V TurboАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
5.3Средний балл по всем бенчмарк-тестам.…
7.2Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
44.4%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
1Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 2Время ответа (среднее)38.15sВремя ответа (макс.)67.08sВремя ответа (суммарно)114.45sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
0.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Не соблюдены инструкции: 1Время ответа (среднее)1.99sВремя ответа (макс.)1.99sВремя ответа (суммарно)1.99sТест считается полностью пройденным, только если все его прогоны успешны.…
1.99sВремя ответа (среднее)…
477Общее число входных токенов…
319Выходные токены…
0Токены рассуждений…
GLM 5V TurboАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
10.0Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)11.09sВремя ответа (макс.)11.09sВремя ответа (суммарно)11.09sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)3.51sВремя ответа (макс.)4.60sВремя ответа (суммарно)7.01sТест считается полностью пройденным, только если все его прогоны успешны.…
3.51sВремя ответа (среднее)…
660Общее число входных токенов…
1,491Выходные токены…
0Токены рассуждений…
GLM 5V TurboАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
9.9Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)3.74sВремя ответа (макс.)5.23sВремя ответа (суммарно)7.47sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)2.99sВремя ответа (макс.)3.16sВремя ответа (суммарно)8.97sТест считается полностью пройденным, только если все его прогоны успешны.…
2.99sВремя ответа (среднее)…
642Общее число входных токенов…
1,758Выходные токены…
0Токены рассуждений…
GLM 5V TurboАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
7.7Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
66.7%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 1Время ответа (среднее)10.24sВремя ответа (макс.)16.95sВремя ответа (суммарно)30.72sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)8.36sВремя ответа (макс.)8.36sВремя ответа (суммарно)8.36sТест считается полностью пройденным, только если все его прогоны успешны.…
8.36sВремя ответа (среднее)…
5,445Общее число входных токенов…
861Выходные токены…
0Токены рассуждений…
GLM 5V TurboАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
7.0Средний балл по всем бенчмарк-тестам.…
3.7Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
66.7%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
1Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Недопустимый вызов инструмента: 1Время ответа (среднее)12.53sВремя ответа (макс.)12.53sВремя ответа (суммарно)12.53sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
0.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 1Время ответа (среднее)4.38sВремя ответа (макс.)4.38sВремя ответа (суммарно)4.38sТест считается полностью пройденным, только если все его прогоны успешны.…
4.38sВремя ответа (среднее)…
195Общее число входных токенов…
569Выходные токены…
0Токены рассуждений…
GLM 5V TurboАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
3.0Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
0.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 1Время ответа (среднее)40.96sВремя ответа (макс.)40.96sВремя ответа (суммарно)40.96sТест считается полностью пройденным, только если все его прогоны успешны.…