AI BENCHY Compare

OpenAI: GPT-5.3-Codex vs Z.ai: GLM 5.2

Сводка

Сравнение benchmark GPT-5.3-Codex (medium) vs GLM 5.2 (high): GPT-5.3-Codex (medium) лидирует по среднему баллу: 8.9 vs 8.0. GLM 5.2 (high) имеет более низкую стоимость benchmark: $0.554 vs $0.740. GPT-5.3-Codex (medium) быстрее: 16.22s vs 37.09s, с долей успешных попыток 82.5% vs 77.8%.

Рекомендуемая модель: GPT-5.3-Codex (medium) - Здесь у него лучший балл (8.9), и он отвечает примерно в 2.3 раза быстрее, чем GLM 5.2 (high).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-10

Метрика	GPT-5.3-Codex GPT-5.3-Codex medium Релиз: 2026-02-05	GLM 5.2 GLM 5.2 high Релиз: 2026-06-17

Метрика	GPT-5.3-Codex GPT-5.3-Codex medium Релиз: 2026-02-05	GLM 5.2 GLM 5.2 high Релиз: 2026-06-17
Оценка	8.9	8.0
Ранг	#13	#32
Надежность	10.0	9.3
Стабильность	8.5	7.6
Тестов верно
Доля успешных попыток	82.5%	77.8%
Нестабильные тесты	4	6
Всего запусков	63	63
Стоимость за результат	4.932	4.255
Общая стоимость	$0.740	$0.554
Цена входа	$1.750 / 1M	$0.770 / 1M
Цена выхода	$14.000 / 1M	$2.420 / 1M
Общее число входных токенов	34,299	34,993
Выходные токены	2,357	51,575
Токены рассуждений	46,189	166,065
Время ответа (среднее)	16.22s	37.09s
Время ответа (макс.)	100.93s	180.69s
Время ответа (суммарно)	340.67s	778.91s

Генерация showcase

Hamster playing table tennis

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

#13 GPT-5.3-Codex

medium

Стоимость: $0.049
Время: 54.9s
Токены: 3,580 tok

#32 GLM 5.2

high

Неверный SVG

Стоимость: $0.000
Время: 300.0s
Токены: 0 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
GPT-5.3-Codex	8.7	7.9	91.7%	1		4.16s	606	240	1,722
GLM 5.2	10.0	10.0	100.0%	0		5.80s	639	406	2,660

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.50s	7,302	535	10,890
GLM 5.2	6.4	4.4	77.8%	2		73.03s	5,124	2,302	22,546

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.56s	11,019	364	2,731
GLM 5.2	10.0	10.0	100.0%	0		43.51s	12,696	711	4,267

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.07s	7,140	234	728
GLM 5.2	10.0	10.0	100.0%	0		5.81s	7,143	435	1,414

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	5.9	7.2	55.6%	1		64.31s	813	64	25,308
GLM 5.2	3.5	4.4	33.3%	2		73.97s	551	46,693	90,566

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	4.6	10.0	0.0%	0		4.87s	477	187	331
GLM 5.2	10.0	10.0	100.0%	0		12.90s	498	63	1,743

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.04s	660	93	693
GLM 5.2	10.0	10.0	100.0%	0		4.26s	678	151	1,210

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	9.0	7.9	88.9%	1		5.05s	642	356	1,593
GLM 5.2	6.0	4.6	66.7%	2		33.71s	665	568	22,392

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	10.0	10.0	100.0%	0		6.37s	5,445	254	492
GLM 5.2	10.0	10.0	100.0%	0		9.25s	6,861	246	503

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701
GLM 5.2	3.0	10.0	0.0%	0		127.82s	138	0	18,764

Быстрое сравнение

Сменить пару сравнения

GPT-5.4 MinimediumvsGLM 5.2high Qwen3.5 Plus 2026-02-15mediumvsGLM 5.2high Nemotron 3 Ultra 550b A55bmediumБесплатно доступноvsGLM 5.2high Qwen3.7 PlusmediumvsGLM 5.2high Qwen3.5-27BmediumvsGLM 5.2high Claude Sonnet 5mediumvsGLM 5.2high Qwen3.6 PlusmediumvsGLM 5.2high Gemini 2.5 FlashmediumvsGLM 5.2high GPT-5.6 TerramediumvsGLM 5.2high Claude Sonnet 4.6mediumvsGLM 5.2high Grok 4.5lowvsGLM 5.2high Gemini 3.1 Flash Lite PreviewmediumvsGLM 5.2high