AI BENCHY 对比

DeepSeek: DeepSeek V4 Flash vs Z.ai: GLM 5.2

摘要

DeepSeek V4 Flash vs GLM 5.2 benchmark 对比：GLM 5.2 平均分领先，为 8.7 vs 8.3。 DeepSeek V4 Flash benchmark 成本更低，为 $0.027 vs $0.324。 GLM 5.2 更快，为 23.28s vs 45.85s，通过率为 74.6% vs 84.1%。

推荐模型: DeepSeek V4 Flash - 它的得分接近这里的最高分（8.3 vs 8.7），同时成本比GLM 5.2低约 12.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-17

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17
分数	8.3	8.7
排名	#23	#14
可靠性	10.0	9.5
一致性	8.5	8.4
测试正确
尝试通过率	74.6%	84.1%
不稳定测试	4	4
总运行次数	63	63
每个结果成本	0.299	2.159
总成本	$0.027	$0.324
输入价格	$0.090 / 1M	$1.400 / 1M
输出价格	$0.180 / 1M	$4.400 / 1M
总输入令牌	39,745	37,199
输出令牌	10,310	12,261
推理令牌	123,501	49,500
响应时间（平均）	45.85s	23.28s
响应时间（最大）	218.13s	101.36s
响应时间（总计）	962.79s	488.94s

Generation showcase

Hamster playing table tennis

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

#23 DeepSeek V4 Flash

high

Cost: $0.003
Time: 93.1s
Tokens: 7,926 tok

#14 GLM 5.2

medium

Cost: $0.041
Time: 195.8s
Tokens: 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

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 V4 Flash	8.3	10.0	75.0%	0		28.51s	540	140	7,770
GLM 5.2	10.0	10.0	100.0%	0		5.89s	639	497	2,634

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 V4 Flash	7.8	10.0	66.7%	0		50.60s	7,279	395	34,862
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	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	10.0	10.0	100.0%	0		76.57s	14,016	465	7,347
GLM 5.2	10.0	10.0	100.0%	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	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	10.0	10.0	100.0%	0		28.03s	7,290	201	1,179
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	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	4.1	4.4	44.5%	2		100.31s	666	27	59,249
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	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	6.1	3.1	66.7%	1		25.15s	471	79	632
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	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 V4 Flash	10.0	10.0	100.0%	0		15.36s	627	63	1,622
GLM 5.2	9.9	10.0	100.0%	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	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Flash	8.2	7.2	88.9%	1		26.11s	594	196	1,767
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	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 V4 Flash	10.0	10.0	100.0%	0		74.73s	8,079	228	542
GLM 5.2	10.0	10.0	100.0%	0		20.41s	6,861	230	550

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 V4 Flash	3.0	10.0	0.0%	0		54.46s	183	8,516	8,531
GLM 5.2	3.0	10.0	0.0%	0		34.25s	138	381	2,529

快速对比

切换对比组合