导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Z.ai: GLM 5

摘要

Claude Opus 4.8 (medium) vs GLM 5 (medium) benchmark 对比：Claude Opus 4.8 (medium) 平均分领先，为 8.8 vs 8.6。 GLM 5 (medium) benchmark 成本更低，为 $0.228 vs $1.107。 Claude Opus 4.8 (medium) 更快，为 9.72s vs 33.54s，通过率为 84.1% vs 82.5%。

推荐模型: GLM 5 (medium) - 它的得分接近这里的最高分（8.6 vs 8.8），同时成本比Claude Opus 4.8 (medium)低约 4.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10

指标 Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28 GLM 5 GLM 5 medium 发布日期: 2026-02-12
分数 8.8 8.6
排名 #15 #18
可靠性 10.0 10.0
一致性 9.6 8.5
测试正确
尝试通过率 84.1% 82.5%
不稳定测试 1 4
总运行次数 63 63
每个结果成本 6.512 1.668
总成本 $1.107 $0.228
输入价格 $5.000 / 1M $0.600 / 1M
输出价格 $25.000 / 1M $1.920 / 1M
总输入令牌 61,007 35,224
输出令牌 26,495 21,570
推理令牌 5,901 102,996
响应时间（平均） 9.72s 33.54s
响应时间（最大） 38.03s 99.85s
响应时间（总计） 204.19s 435.99s

生成展示

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium
成本
$0.057
时间
23.1s
令牌
2,412 tok

#18 GLM 5

medium
成本
$0.005
时间
20.7s
令牌
2,068 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 4.8 10.0 10.0 100.0% 0 3.95s 834 1,179 478
GLM 5 10.0 10.0 100.0% 0 23.66s 555 480 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
GLM 5 10.0 10.0 100.0% 0 74.30s 7,254 2,997 52,930
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 4.8 9.8 10.0 100.0% 0 38.03s 23,561 5,260 1,588
GLM 5 10.0 10.0 100.0% 0 28.96s 12,804 662 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 7.1 5.6 83.3% 1 12.29s 10,503 481 312
GLM 5 7.1 5.6 83.3% 1 8.90s 5,508 567 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 5.3 10.0 33.3% 0 14.59s 975 7,477 900
GLM 5 3.5 4.4 33.3% 2 0ms 260 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 2.46s 708 237 0
GLM 5 6.1 3.1 66.7% 1 14.69s 477 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 3.32s 909 373 320
GLM 5 10.0 10.0 100.0% 0 7.25s 636 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 894 791 483
GLM 5 10.0 10.0 100.0% 0 11.33s 609 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 8.96s 11,775 301 225
GLM 5 10.0 10.0 100.0% 0 15.93s 6,935 233 994
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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 3.0 10.0 0.0% 0 6.14s 258 451 214
GLM 5 3.0 10.0 0.0% 0 67.37s 186 401 12,450

快速对比

切换对比组合

GPT-5.2 ChatnonevsGLM 5mediumDeepSeek V4 FlashhighvsGLM 5mediumClaude Opus 4.8mediumvsGPT-5.2 ChatnoneGPT-5.6 TerrahighvsGLM 5mediumClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.8mediumvsGPT-5.5lowClaude Opus 4.8mediumvsGPT-5.6 SolhighClaude Opus 4.8mediumvsDeepSeek V4 FlashhighClaude Opus 4.8mediumvsGPT-5.6 TerrahighGemini 3.5 FlashlowvsGLM 5mediumClaude Opus 4.8mediumvsGPT-5.6 SollowGrok 4.5lowvsGLM 5medium