已对比模型

Claude Sonnet 4.6 (medium) vs Claude Sonnet 5 (medium) vs Claude Opus 4.8 (medium) vs GLM 5.2 (medium) 基准对比: Claude Opus 4.8 (medium) 在分数上以 8.8 领先。 Claude Sonnet 4.6 (medium) 在可靠性上以 10.0 领先。 GLM 5.2 (medium) 的总成本最低，为 $0.146。 Claude Sonnet 5 (medium) 最快，为 12.54s。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-08-14

排名: #65
总输出令牌: 120,427
响应时间（平均）: 28.08s
总成本: $2.126

排名: #46
总输出令牌: 63,204
响应时间（平均）: 12.54s
总成本: $0.922

排名: #26
总输出令牌: 51,927
响应时间（平均）: 12.97s
总成本: $1.983

排名: #63
总输出令牌: 61,761
响应时间（平均）: 23.28s
总成本: $0.146

推荐模型 GLM 5.2 (medium)

它提供了最佳整体取舍：得分有竞争力（7.8），成本低于本次比较中的其他模型，响应时间也较均衡。

详细对比

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 medium 发布日期: 2026-02-17	Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30	Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 medium 发布日期: 2026-02-17	Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30	Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17
分数	7.8	8.2	8.8	7.8
排名	#65	#46	#26	#63
可靠性	10.0	10.0	10.0	9.5
一致性	9.5	9.0	9.2	8.0
尝试次数	66/66	66/66	66/66	63/66
测试正确
尝试通过率	65.2%	75.8%	83.3%	80.3%
不稳定测试	1	3	2	4
总运行次数	66	66	66	63
每个结果成本	15.182	6.144	11.662	2.159
总成本	$2.126	$0.922	$1.983	$0.146
输入价格	$3.000 / 1M	$2.000 / 1M	$5.000 / 1M	$0.630 / 1M
输出价格	$15.000 / 1M	$10.000 / 1M	$25.000 / 1M	$1.981 / 1M
总输入令牌	106,316	145,953	138,448	37,199
输出令牌	79,338	52,330	40,765	12,261
推理令牌	41,089	10,874	11,162	49,500
响应时间（平均）	28.08s	12.54s	12.97s	23.28s
响应时间（最大）	140.96s	66.71s	70.54s	101.36s
响应时间（总计）	421.15s	275.90s	285.29s	488.94s
参数量	~1T 总计 (~100B 激活)	~1T 总计 (~100B 激活)	~5T 总计 (~500B 激活)	744B 总计 (40B 激活)
开放状态	闭源	闭源	闭源	开源

模型生成展示

Hamster playing table tennis

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

#65 Claude Sonnet 4.6

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#46 Claude Sonnet 5

medium

成本: $0.007
时间: 6.4s
令牌: 832 tok

#26 Claude Opus 4.8

medium

成本: $0.057
时间: 23.1s
令牌: 2,412 tok

#63 GLM 5.2

medium

成本: $0.041
时间: 195.8s
令牌: 9,287 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

类别:

反AI技巧	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	6.5	10.0	50.0%	2.98s	789	1,046	1,093
Claude Sonnet 5	10.0	10.0	100.0%	3.80s	834	1,220	446
Claude Opus 4.8	10.0	10.0	100.0%	3.95s	834	1,179	478
GLM 5.2	10.0	10.0	100.0%	5.89s	639	497	2,634

编程	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	5.7	6.6	44.4%	1	33.29s	6,995	16,089	3,686
Claude Sonnet 5	9.0	7.9	88.9%	1	17.28s	10,590	13,153	2,379
Claude Opus 4.8	10.0	10.0	100.0%	0	15.33s	10,590	9,945	1,381
GLM 5.2	8.2	7.2	88.9%	1	40.96s	7,317	1,475	17,123

综合	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0	93.65s	75,531	31,916	9,109
Claude Sonnet 5	7.3	6.0	83.3%	1	51.86s	107,934	23,169	5,371
Claude Opus 4.8	9.9	10.0	100.0%	0	54.29s	101,005	19,531	4,762
GLM 5.2	5.0	5.0	50.0%	0	51.96s	12,696	458	4,531

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0	13.90s	8,676	649	742
Claude Sonnet 5	10.0	10.0	100.0%	0	3.16s	10,503	312	0
Claude Opus 4.8	7.1	5.6	83.3%	1	12.29s	10,503	481	312
GLM 5.2	10.0	10.0	100.0%	0	13.44s	7,149	348	2,345

领域专项	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	3.0	10.0	0.0%	0	58.37s	495	24,380	22,891
Claude Sonnet 5	5.3	10.0	33.3%	0	20.54s	972	12,137	1,994
Claude Opus 4.8	3.6	7.2	22.2%	1	18.11s	972	7,476	2,987
GLM 5.2	4.1	4.4	44.5%	2	45.47s	551	8,188	11,606

通用智能	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0	4.94s	564	256	433
Claude Sonnet 5	4.8	3.2	33.3%	1	4.32s	708	264	0
Claude Opus 4.8	10.0	10.0	100.0%	0	2.46s	708	237	0
GLM 5.2	10.0	10.0	100.0%	0	17.39s	498	54	1,842

指令遵循	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	2.61s	792	318	552
Claude Sonnet 5	9.9	10.0	100.0%	3.10s	909	318	269
Claude Opus 4.8	10.0	10.0	100.0%	3.32s	909	373	320
GLM 5.2	9.9	10.0	100.0%	7.90s	678	94	1,518

谜题求解	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0	5.31s	816	592	646
Claude Sonnet 5	7.7	10.0	66.7%	0	2.98s	894	407	121
Claude Opus 4.8	10.0	10.0	100.0%	0	3.95s	894	791	483
GLM 5.2	8.2	7.2	88.9%	1	13.13s	672	536	4,822

工具调用	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	7.48s	11,454	655	351
Claude Sonnet 5	10.0	10.0	100.0%	10.70s	12,351	433	90
Claude Opus 4.8	10.0	10.0	100.0%	8.96s	11,775	301	225
GLM 5.2	10.0	10.0	100.0%	20.41s	6,861	230	550

常识问答	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	3.0	10.0	0.0%	30.09s	204	3,437	1,586
Claude Sonnet 5	3.0	10.0	0.0%	7.06s	258	917	204
Claude Opus 4.8	3.0	10.0	0.0%	6.14s	258	451	214
GLM 5.2	3.0	10.0	0.0%	34.25s	138	381	2,529

快速对比

切换对比组合

Claude Opus 4.8mediumvsGemini 3.5 Flash Litehigh Claude Opus 4.8mediumvsGemini 3.6 Flashlow Claude Opus 4.8mediumvsGemini 3.5 Flashlow GPT-5.2 ChatnonevsGLM 5.2medium Claude Sonnet 4.6mediumvsQwen3.7 Flashhigh Kimi K3maxvsGLM 5.2medium Claude Opus 4.8mediumvsMuse Spark 1.2high Claude Opus 4.8lowvsGLM 5.2medium Claude Sonnet 4.6mediumvsGPT-5.2 Chatnone Qwen3.7 FlashhighvsGLM 5.2medium Claude Sonnet 4.6mediumvsKimi K3max Claude Sonnet 5mediumvsQwen3.8 2.4T A95Blow