#165 DeepSeek V3.2
none- 成本
- $0.002
- 时间
- 7.0s
- 令牌
- 1,046 tok
AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs Z.ai: GLM 5.1
摘要
GLM 5.1 平均分领先，为 5.5 vs 5.0。 DeepSeek V3.2 benchmark 成本更低，为 $0.054 vs $0.164。 GLM 5.1 更快，为 6.70s vs 18.25s，通过率为 37.9% vs 40.9%。
推荐模型GLM 5.1它在这里得分最高（5.5），同时响应速度比DeepSeek V3.2快约 2.7 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 none | GLM 5.1 GLM 5.1 none |
|---|---|---|
| 分数 | 5.0 | 5.5 |
| 排名 | #165 | #144 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.7 | 8.2 |
| 测试正确 | ||
| 尝试通过率 | 37.9% | 40.9% |
| 不稳定测试 | 6 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 0.870 | 2.368 |
| 总成本 | $0.054 | $0.164 |
| 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 | 135,780 | 124,209 |
| 输出令牌 | 42,097 | 14,393 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 18.25s | 6.70s |
| 响应时间（最大） | 115.89s | 61.20s |
| 响应时间（总计） | 401.60s | 147.38s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#144 GLM 5.1
none
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
| 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 | 3.2 | 8.0 | 8.3% | 1 | 9.35s | 494 | 1,073 | 0 | |
| GLM 5.1 | 4.0 | 6.3 | 25.0% | 2 | 2.11s | 555 | 305 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.1 | 6.9 | 11.1% | 1 | 14.54s | 7,279 | 4,528 | 0 | |
| GLM 5.1 | 3.9 | 9.7 | 0.0% | 0 | 4.96s | 7,256 | 525 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 4.8 | 10.0 | 0.0% | 0 | 113.53s | 109,626 | 33,819 | 0 | |
| GLM 5.1 | 2.8 | 1.8 | 33.3% | 2 | 46.88s | 99,907 | 12,768 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 6.3 | 5.8 | 66.7% | 1 | 9.42s | 7,890 | 1,710 | 0 | |
| GLM 5.1 | 10.0 | 10.0 | 100.0% | 0 | 1.08s | 7,107 | 204 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 2.9 | 7.2 | 11.1% | 1 | 4.17s | 624 | 21 | 0 | |
| GLM 5.1 | 2.9 | 7.2 | 11.1% | 1 | 1.99s | 687 | 24 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 4.7 | 1.6 | 66.7% | 1 | 9.32s | 314 | 43 | 0 | |
| GLM 5.1 | 5.0 | 10.0 | 0.0% | 0 | 790ms | 477 | 39 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 1.52s | 627 | 66 | 0 | |
| GLM 5.1 | 9.8 | 10.0 | 100.0% | 0 | 1.98s | 636 | 66 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.6 | 7.2 | 77.8% | 1 | 6.91s | 424 | 298 | 0 | |
| GLM 5.1 | 7.7 | 10.0 | 66.7% | 0 | 1.45s | 609 | 151 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 11.85s | 8,319 | 522 | 0 | |
| GLM 5.1 | 10.0 | 10.0 | 100.0% | 0 | 10.68s | 6,789 | 300 | 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 | 17.23s | 183 | 17 | 0 | |
| GLM 5.1 | 3.0 | 10.0 | 0.0% | 0 | 2.34s | 186 | 11 | 0 |
快速对比
切换对比组合
KAT-Coder-Air V2.5mediumvsGLM 5.1noneDeepSeek V3.2nonevsMiniMax M2.7mediumKAT-Coder-Air V2.5highvsGLM 5.1noneDeepSeek V3.2nonevsMistral Small 4mediumKAT-Coder-Air V2.5lowvsGLM 5.1noneNemotron 3 Supermedium免费可用vsGLM 5.1noneDeepSeek V3.2nonevsQwen3 Coder NextmediumCobuddymediumvsDeepSeek V3.2noneNorth Mini Codemedium免费可用vsGLM 5.1noneDeepSeek V3.2nonevsKAT-Coder-Air V2.5lowDeepSeek V3.2nonevsMiniMax M2.5mediumMistral Small 4mediumvsGLM 5.1none