DeepSeek: DeepSeek V3.2 vs Z.ai: GLM 5.1

GLM 5.1 (medium) 平均分领先，为 7.1 vs 7.0。 DeepSeek V3.2 (medium) benchmark 成本更低，为 $0.078 vs $0.535。 GLM 5.1 (medium) 更快，为 46.77s vs 68.62s，通过率为 65.2% vs 69.7%。

推荐模型DeepSeek V3.2 (medium)它的得分接近这里的最高分（7.0 vs 7.1），同时成本比GLM 5.1 (medium)低约 6.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	DeepSeek V3.2 DeepSeek V3.2 medium 发布日期: 2025-12-01	GLM 5.1 GLM 5.1 medium 发布日期: 2026-04-07

指标	DeepSeek V3.2 DeepSeek V3.2 medium 发布日期: 2025-12-01	GLM 5.1 GLM 5.1 medium 发布日期: 2026-04-07
分数	7.0	7.1
排名	#73	#71
可靠性	10.0	8.3
一致性	7.4	8.4
测试正确
尝试通过率	65.2%	69.7%
不稳定测试	7	4
总运行次数	66	66
每个结果成本	0.671	4.202
总成本	$0.078	$0.535
输入价格	$0.269 / 1M	$0.966 / 1M
输出价格	$0.400 / 1M	$3.036 / 1M
总输入令牌	101,047	82,623
输出令牌	11,834	16,089
推理令牌	117,014	136,463
响应时间（平均）	68.62s	46.77s
响应时间（最大）	376.10s	308.75s
响应时间（总计）	1509.53s	982.16s

Hamster playing table tennis

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

#73 DeepSeek V3.2

medium

成本: $0.001
时间: 53.6s
令牌: 1,932 tok

#71 GLM 5.1

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 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	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
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953
GLM 5.1	10.0	10.0	100.0%	0		8.31s	555	401	5,122

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
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014
GLM 5.1	4.6	3.7	44.5%	2		109.63s	5,702	4,871	37,826

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
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229
GLM 5.1	9.8	10.0	100.0%	0		175.93s	66,926	4,761	65,248

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
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693
GLM 5.1	10.0	10.0	100.0%	0		9.33s	7,107	991	4,552

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
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838
GLM 5.1	5.3	10.0	33.3%	0		29.77s	489	969	11,314

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
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189
GLM 5.1	10.0	10.0	100.0%	0		20.95s	477	2,875	2,875

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
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	1,397	2,845
GLM 5.1	6.4	5.8	66.7%	1		7.47s	634	204	1,617

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
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375
GLM 5.1	8.2	7.2	88.9%	1		31.64s	609	935	5,730

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
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859
GLM 5.1	3.0	10.0	0.0%	0		0ms	0	0	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
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019
GLM 5.1	3.0	10.0	0.0%	0		29.40s	124	82	2,179

快速对比

切换对比组合

DeepSeek V3.2mediumvsGemini 3.5 Flashnone Qwen3.7 PlusnonevsGLM 5.1medium KAT-Coder-Pro V2.5highvsGLM 5.1medium DeepSeek V3.2mediumvsGPT-5.6 Solnone Step 3.7 FlashlowvsGLM 5.1medium Gemini 3.5 FlashnonevsGLM 5.1medium Claude Opus 4.8nonevsGLM 5.1medium DeepSeek V3.2mediumvsQwen3.7 Plusnone DeepSeek V3.2mediumvsStep 3.7 Flashhigh DeepSeek V3.2mediumvsGPT-5.5none DeepSeek V3.2mediumvsGemini 3.5 Flashminimal DeepSeek V3.2mediumvsKAT-Coder-Pro V2.5high