AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs Z.ai: GLM 4.7 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | GLM 4.7 Flash GLM 4.7 Flash none |
|---|---|---|
| 分数 | 5.6 | 5.6 |
| 排名 | #114 | #109 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.0 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 46.7% | 38.3% |
| 不稳定测试 | 5 | 3 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.254 | 0.053 |
| 总成本 | $0.018 | $0.004 |
| ???? | $0.252 / 1M | $0.060 / 1M |
| ???? | $0.378 / 1M | $0.400 / 1M |
| 输出令牌 | 11,163 | 2,516 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 14.46s | 2.98s |
| 响应时间（最大） | 115.89s | 7.05s |
| 响应时间（总计） | 289.21s | 38.73s |
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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.3 | 8.2 | 12.5% | 1 | 9.35s | 1,073 | 0 | |
| GLM 4.7 Flash | 5.2 | 7.9 | 41.7% | 1 | 5.51s | 438 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.1 | 5.4 | 16.7% | 1 | 20.87s | 4,522 | 0 | |
| GLM 4.7 Flash | 5.0 | 10.0 | 0.0% | 0 | 3.35s | 644 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 6.5 | 10.0 | 0.0% | 0 | 115.89s | 2,887 | 0 | |
| GLM 4.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 3.22s | 704 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 6.3 | 5.8 | 66.7% | 1 | 9.42s | 1,710 | 0 | |
| GLM 4.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 4.82s | 196 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 6.9 | 16.7% | 1 | 4.17s | 21 | 0 | |
| GLM 4.7 Flash | 7.7 | 10.0 | 66.7% | 0 | 744ms | 19 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.6 | 10.0 | 100.0% | 0 | 9.32s | 43 | 0 | |
| GLM 4.7 Flash | 4.0 | 10.0 | 0.0% | 0 | 1.59s | 134 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 1.52s | 66 | 0 | |
| GLM 4.7 Flash | 6.5 | 10.0 | 50.0% | 0 | 888ms | 62 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.5 | 7.7 | 88.9% | 1 | 7.13s | 302 | 0 | |
| GLM 4.7 Flash | 6.4 | 10.0 | 33.3% | 0 | 1.00s | 98 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 11.85s | 522 | 0 | |
| GLM 4.7 Flash | 2.8 | 1.6 | 33.3% | 1 | 7.05s | 212 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 17.23s | 17 | 0 | |
| GLM 4.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 692ms | 9 | 0 |
快速对比
切换对比组合
DeepSeek V3.2nonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsGLM 4.7 FlashnoneCobuddymedium免费可用vsGLM 4.7 FlashnoneDeepSeek V3.2nonevsMiniMax M2.5medium免费可用DeepSeek V3.2nonevsMistral Small 4mediumCobuddymedium免费可用vsDeepSeek V3.2noneDeepSeek V3.2nonevsElephant AlphamediumMiniMax M2.5medium免费可用vsGLM 4.7 FlashnoneOwl AlphamediumvsGLM 4.7 FlashnoneMistral Small 4mediumvsGLM 4.7 FlashnoneElephant AlphamediumvsGLM 4.7 FlashnoneDeepSeek V3.2nonevsOwl Alphamedium