Urambazaji
AI BENCHY
Linganisha Chati
❤️ Made by XCS
Your ad here

AI BENCHY Compare

OpenAI: GPT-4o-mini vs Z.ai: GLM 4.7 Flash

Jina la modeli:

Benchmark zimetengenezwa kutoka seti za majaribio za AI BENCHY tarehe : 2026-02-27 15:16

Muhtasari

Kipimo OpenAI: GPT-4o-mini none Toleo: Tarehe ya kutolewa haijulikani Z.ai: GLM 4.7 Flash none Toleo: Tarehe ya kutolewa haijulikani
Nafasi #28 #34
Alama 4.86 3.63
Uthabiti 9.98 7.73
Gharama kwa matokeo 0.056 0.047
Jumla ya gharama $0.003 $0.002
Majaribio sahihi
Majaribio yenye makosa 9 11
Kiwango cha kupita kwa kila jaribio 35.7% 38.1%
Majaribio yasiyo thabiti 0 4
Tokeni za matokeo 949 1,016
Tokeni za hoja 0 0

Mgawanyo wa kategoria

Mbinu za kupinga AI Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 4.00 10.00 33.3% 0 180 0
Z.ai: GLM 4.7 Flash 1.00 7.21 22.2% 1 430 0
Uchanganuzi na uchimbaji wa data Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 10.00 10.00 100.0% 0 183 0
Z.ai: GLM 4.7 Flash 5.38 5.81 83.3% 1 196 0
Mahususi kwa domeni Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 1.00 10.00 0.0% 0 15 0
Z.ai: GLM 4.7 Flash 7.00 10.00 66.7% 0 19 0
Ufuataji wa maagizo Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 5.50 10.00 50.0% 0 71 0
Z.ai: GLM 4.7 Flash 4.00 6.84 33.3% 1 53 0
Puzzle Solving Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 4.00 9.92 0.0% 0 295 0
Z.ai: GLM 4.7 Flash 2.33 9.91 0.0% 0 106 0
Mwito wa zana Alama Uthabiti Kiwango cha kupita kwa kila jaribio Majaribio yasiyo thabiti Majaribio sahihi Tokeni za matokeo Tokeni za hoja
OpenAI: GPT-4o-mini 10.00 10.00 100.0% 0 205 0
Z.ai: GLM 4.7 Flash 1.00 1.62 33.3% 1 212 0

Badilisha jozi ya ulinganisho