AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs Z.ai: GLM 5 Turbo

摘要

Claude Sonnet 4.6 vs GLM 5 Turbo benchmark 对比：GLM 5 Turbo 平均分领先，为 8.4 vs 7.3。 Claude Sonnet 4.6 benchmark 成本更低，为 $0.316 vs $0.323。 Claude Sonnet 4.6 更快，为 5.04s vs 23.00s，通过率为 55.6% vs 74.6%。

推荐模型: Claude Sonnet 4.6 - 它提供了最佳整体取舍：得分有竞争力（7.3），成本低于GLM 5 Turbo，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	GLM 5 Turbo GLM 5 Turbo medium 发布日期: 2026-03-15

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	GLM 5 Turbo GLM 5 Turbo medium 发布日期: 2026-03-15
分数	7.3	8.4
排名	#56	#24
可靠性	10.0	10.0
一致性	9.7	8.5
测试正确
尝试通过率	55.6%	74.6%
不稳定测试	1	4
总运行次数	63	63
每个结果成本	2.870	2.011
总成本	$0.316	$0.323
输入价格	$3.000 / 1M	$1.200 / 1M
输出价格	$15.000 / 1M	$4.000 / 1M
总输入令牌	57,886	35,593
输出令牌	9,465	12,245
推理令牌	0	62,277
响应时间（平均）	5.04s	23.00s
响应时间（最大）	23.84s	194.23s
响应时间（总计）	70.60s	482.97s

Generation showcase

Hamster playing table tennis

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

#56 Claude Sonnet 4.6

none

Cost: $0.038
Time: 27.3s
Tokens: 2,598 tok

#24 GLM 5 Turbo

medium

Cost: $0.074
Time: 206.0s
Tokens: 18,549 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 Sonnet 4.6	4.8	10.0	25.0%	0		2.94s	636	1,214	0
GLM 5 Turbo	10.0	10.0	100.0%	0		4.82s	555	362	3,137

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 Sonnet 4.6	5.5	10.0	33.3%	0		5.19s	8,522	2,127	0
GLM 5 Turbo	8.2	9.3	66.7%	0		45.90s	5,941	363	25,381

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 Sonnet 4.6	9.5	10.0	100.0%	0		23.84s	26,024	3,766	0
GLM 5 Turbo	10.0	10.0	100.0%	0		13.88s	12,714	390	2,037

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 Sonnet 4.6	10.0	10.0	100.0%	0		3.43s	8,574	252	0
GLM 5 Turbo	10.0	10.0	100.0%	0		6.19s	7,107	577	3,632

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 Sonnet 4.6	7.7	10.0	66.7%	0		3.54s	759	413	0
GLM 5 Turbo	2.9	4.4	22.2%	2		71.07s	489	9,665	19,279

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 Sonnet 4.6	6.1	3.1	66.7%	1		2.56s	513	192	0
GLM 5 Turbo	6.1	3.1	66.7%	1		10.05s	477	60	2,216

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 Sonnet 4.6	6.5	10.0	50.0%	0		1.96s	690	90	0
GLM 5 Turbo	10.0	10.0	100.0%	0		5.38s	636	255	2,183

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 Sonnet 4.6	7.7	10.0	66.7%	0		2.53s	663	533	0
GLM 5 Turbo	8.7	7.9	77.8%	1		5.23s	609	312	2,647

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 Sonnet 4.6	10.0	10.0	100.0%	0		4.11s	11,301	447	0
GLM 5 Turbo	10.0	10.0	100.0%	0		9.84s	6,879	241	446

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 Sonnet 4.6	3.0	10.0	0.0%	0		4.67s	204	431	0
GLM 5 Turbo	3.0	10.0	0.0%	0		40.17s	186	20	1,319

快速对比

切换对比组合