AI BENCHY 对比
Anthropic: Claude Opus 4.7 vs Z.ai: GLM 5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | Claude Opus 4.7 Claude Opus 4.7 medium | GLM 5 GLM 5 medium |
|---|---|---|
| 分数 | 8.9 | 8.2 |
| 排名 | #7 | #20 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 85.0% | 81.7% |
| 不稳定测试 | 0 | 4 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 3.670 | 1.676 |
| 总成本 | $0.624 | $0.235 |
| 输入价格 | $5.000 / 1M | $0.600 / 1M |
| 输出价格 | $25.000 / 1M | $1.920 / 1M |
| 输出令牌 | 10,439 | 21,558 |
| 推理令牌 | 2,198 | 95,772 |
| 响应时间（平均） | 4.48s | 32.67s |
| 响应时间（最大） | 23.18s | 99.85s |
| 响应时间（总计） | 85.21s | 392.01s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 8.3 | 10.0 | 75.0% | 0 | 1.85s | 348 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 23.66s | 480 | 7,056 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 14.79s | 6,210 | 1,114 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 89.47s | 2,985 | 45,706 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 21.45s | 2,369 | 1,084 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 28.96s | 662 | 3,242 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.37s | 324 | 0 | |
| GLM 5 | 7.1 | 5.6 | 83.3% | 1 | 8.90s | 567 | 3,734 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 7.7 | 10.0 | 66.7% | 0 | 1.17s | 51 | 0 | |
| GLM 5 | 3.5 | 4.4 | 33.3% | 2 | 0ms | 13,176 | 14,137 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.87s | 256 | 0 | |
| GLM 5 | 6.1 | 3.1 | 66.7% | 1 | 14.69s | 2,020 | 2,248 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 114 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 7.25s | 1,001 | 2,129 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 370 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 11.33s | 33 | 4,076 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 373 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 15.93s | 233 | 994 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 3.0 | 10.0 | 0.0% | 0 | 2.25s | 24 | 0 | |
| GLM 5 | 3.0 | 10.0 | 0.0% | 0 | 67.37s | 401 | 12,450 |
快速对比
切换对比组合
Claude Opus 4.7mediumvsGPT-5.5lowClaude Opus 4.7mediumvsGemini 3.5 FlashnoneGemini 3.5 FlashminimalvsGLM 5mediumClaude Opus 4.7mediumvsGemini 3 Flash PreviewlowQwen3.7 MaxnonevsGLM 5mediumGPT-5.2 ChatnonevsGLM 5mediumClaude Opus 4.7mediumvsGemini 3.5 FlashlowGemini 3 Flash PreviewlowvsGLM 5mediumGemini 3 Flash PreviewnonevsGLM 5mediumDeepSeek V4 Flashhigh免费可用vsGLM 5mediumGemini 3.1 Flash Lite PreviewlowvsGLM 5mediumClaude Opus 4.7mediumvsGemini 3.5 Flashhigh