导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Anthropic: Claude Opus 4.6 vs Z.ai: GLM 5.2

摘要

Claude Opus 4.6 vs GLM 5.2 benchmark 对比：Claude Opus 4.6 平均分领先，为 7.7 vs 7.1。 GLM 5.2 benchmark 成本更低，为 $0.076 vs $2.053。 GLM 5.2 更快，为 6.34s vs 25.89s，通过率为 61.9% vs 60.3%。

推荐模型: GLM 5.2 - 它的得分接近这里的最高分（7.1 vs 7.7），同时成本比Claude Opus 4.6低约 27.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05 GLM 5.2 GLM 5.2 none 发布日期: 2026-06-17
分数 7.7 7.1
排名 #38 #61
可靠性 10.0 9.9
一致性 8.8 9.6
测试正确
尝试通过率 61.9% 60.3%
不稳定测试 3 1
总运行次数 63 63
每个结果成本 17.103 0.628
总成本 $2.053 $0.076
输入价格 $5.000 / 1M $1.400 / 1M
输出价格 $25.000 / 1M $4.400 / 1M
总输入令牌 53,227 38,671
输出令牌 47,446 4,817
推理令牌 24,000 0
响应时间（平均） 25.89s 6.34s
响应时间（最大） 83.40s 20.69s
响应时间（总计） 362.49s 133.19s

生成展示

Hamster playing table tennis

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

#38 Claude Opus 4.6

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

#61 GLM 5.2

none
无效SVG
成本
$0.033
时间
87.7s
令牌
7,455 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
GLM 5.2 8.3 10.0 75.0% 0 3.70s 567 313 0
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
GLM 5.2 3.7 9.5 0.0% 0 7.55s 7,263 1,958 0
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
GLM 5.2 10.0 10.0 100.0% 0 20.69s 14,296 1,489 0
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
GLM 5.2 10.0 10.0 100.0% 0 7.17s 7,113 204 0
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
GLM 5.2 5.3 10.0 33.3% 0 6.50s 696 27 0
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
GLM 5.2 6.1 3.1 66.7% 1 4.42s 480 82 0
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
GLM 5.2 9.8 10.0 100.0% 0 3.84s 642 66 0
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
GLM 5.2 7.7 10.0 66.7% 0 3.31s 618 265 0
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
GLM 5.2 10.0 10.0 100.0% 0 15.76s 6,807 400 0
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
GLM 5.2 3.0 10.0 0.0% 0 3.41s 189 13 0

快速对比

切换对比组合

Claude Opus 4.6mediumvsStep 3.7 FlashlowGemma 4 26B A4Bmedium免费可用vsGLM 5.2noneStep 3.7 FlashhighvsGLM 5.2noneClaude Opus 4.6mediumvsDeepSeek V4 ProhighKimi K2.7 CodemediumvsGLM 5.2noneClaude Opus 4.6mediumvsGPT-5.3 ChatnoneGrok 4.20mediumvsGLM 5.2noneGemini 3 Flash PreviewlowvsGLM 5.2noneMiMo-V2.5-PromediumvsGLM 5.2noneSeed-2.0-MinimediumvsGLM 5.2noneQwen3.5-FlashmediumvsGLM 5.2noneGemini 3.5 FlashminimalvsGLM 5.2none